論文の概要: DMFourLLIE: Dual-Stage and Multi-Branch Fourier Network for Low-Light Image Enhancement

• arxiv url: http://arxiv.org/abs/2412.00683v1
• Date: Sun, 01 Dec 2024 05:44:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:45:46.883823
• Title: DMFourLLIE: Dual-Stage and Multi-Branch Fourier Network for Low-Light Image Enhancement
• Title（参考訳）: DMFourLLIE:低光画像強調のためのデュアルステージ・マルチブランチフーリエネットワーク
• Authors: Tongshun Zhang, Pingping Liu, Ming Zhao, Haotian Lv,
• Abstract要約: 本稿では,DMFourLLIE(Dual-Stage Multi-Branch Fourier Low-Light Image Enhancement)フレームワークを提案する。 第1段階は、赤外線画像からの構造情報を統合し、位相成分を増強する。 第2段階は、堅牢な画像再構成のために、マルチスケールとフーリエの畳み込み枝を組み合わせたものである。
• 参考スコア（独自算出の注目度）: 3.2286595119663266
• License:
• Abstract: In the Fourier frequency domain, luminance information is primarily encoded in the amplitude component, while spatial structure information is significantly contained within the phase component. Existing low-light image enhancement techniques using Fourier transform have mainly focused on amplifying the amplitude component and simply replicating the phase component, an approach that often leads to color distortions and noise issues. In this paper, we propose a Dual-Stage Multi-Branch Fourier Low-Light Image Enhancement (DMFourLLIE) framework to address these limitations by emphasizing the phase component's role in preserving image structure and detail. The first stage integrates structural information from infrared images to enhance the phase component and employs a luminance-attention mechanism in the luminance-chrominance color space to precisely control amplitude enhancement. The second stage combines multi-scale and Fourier convolutional branches for robust image reconstruction, effectively recovering spatial structures and textures. This dual-branch joint optimization process ensures that complex image information is retained, overcoming the limitations of previous methods that neglected the interplay between amplitude and phase. Extensive experiments across multiple datasets demonstrate that DMFourLLIE outperforms current state-of-the-art methods in low-light image enhancement. Our code is available at https://github.com/bywlzts/DMFourLLIE.
• Abstract（参考訳）: フーリエ周波数領域では、輝度情報は振幅成分に主に符号化され、空間構造情報は位相成分に顕著に含まれる。 フーリエ変換を用いた既存の低照度画像強調技術は主に振幅成分の増幅と位相成分の複製に重点を置いている。 本稿では,2段階のマルチブランチフーリエ低光画像強調(DMFourLLIE)フレームワークを提案する。 第1段階は、赤外線画像からの構造情報を統合して位相成分を増強し、輝度クロミナンス色空間における輝度アテンション機構を用いて振幅エンハンスメントを正確に制御する。 第2段階は、マルチスケールとフーリエの畳み込み枝を組み合わせて、堅牢な画像再構成を行い、空間構造とテクスチャを効果的に回収する。 このデュアルブランチ共同最適化プロセスは、振幅と位相の相互作用を無視した従来の手法の制限を克服し、複雑な画像情報が保持されることを保証する。 複数のデータセットにわたる大規模な実験により、DMFourLLIEは、低照度画像強調における最先端の手法よりも優れていた。 私たちのコードはhttps://github.com/bywlzts/DMFourLLIE.comで利用可能です。

関連論文リスト

• LTCF-Net: A Transformer-Enhanced Dual-Channel Fourier Framework for Low-Light Image Restoration [1.049712834719005]
  低照度画像の高精細化を目的とした新しいネットワークアーキテクチャであるLTCF-Netを導入する。 提案手法では2つの色空間(LABとYUV)を用いて色情報を効率的に分離処理する。 我々のモデルは、画像コンテンツを包括的に理解するためのTransformerアーキテクチャを取り入れている。
  論文  参考訳（メタデータ） (2024-11-24T07:21:17Z)
• A Hybrid Transformer-Mamba Network for Single Image Deraining [70.64069487982916]
  既存のデラリング変換器では、固定レンジウィンドウやチャネル次元に沿って自己アテンション機構を採用している。 本稿では,多分岐型トランスフォーマー・マンバネットワーク(Transformer-Mamba Network,TransMamba Network,Transformer-Mamba Network)を提案する。
  論文  参考訳（メタデータ） (2024-08-31T10:03:19Z)
• Spatial-frequency Dual-Domain Feature Fusion Network for Low-Light Remote Sensing Image Enhancement [49.15531684596958]
  低照度リモートセンシング画像強調のためのDFFN(Dual-Domain Feature Fusion Network)を提案する。 第1フェーズは振幅情報を学習して画像輝度を復元し、第2フェーズは位相情報を学習して詳細を洗練させる。 我々は、現在の暗光リモートセンシング画像強調におけるデータセットの欠如に対応するために、2つの暗光リモートセンシングデータセットを構築した。
  論文  参考訳（メタデータ） (2024-04-26T13:21:31Z)
• CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
  低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。 既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。 我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
  論文  参考訳（メタデータ） (2024-04-08T07:34:39Z)
• A Dual Domain Multi-exposure Image Fusion Network based on the Spatial-Frequency Integration [57.14745782076976]
  マルチ露光画像融合は、異なる露光で画像を統合することにより、単一の高ダイナミック画像を生成することを目的としている。 本稿では,MEF-SFI と呼ばれる空間周波数統合フレームワークによるマルチ露光画像融合の新たな視点を提案する。 提案手法は,最先端のマルチ露光画像融合手法に対する視覚的近似核融合結果を実現する。
  論文  参考訳（メタデータ） (2023-12-17T04:45:15Z)
• Mutual Information-driven Triple Interaction Network for Efficient Image Dehazing [54.168567276280505]
  画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。 振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。 第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
  論文  参考訳（メタデータ） (2023-08-14T08:23:58Z)
• FourLLIE: Boosting Low-Light Image Enhancement by Fourier Frequency Information [19.478293277978935]
  2段階フーリエ型低光画像強調(LLIE)ネットワーク(FourLLIE)を提案する。 第1段階では、フーリエ空間の振幅変換マップを推定することにより、低照度画像の明るさを改善する。 第2段階では、グローバルフーリエ周波数と局所空間情報を統合するための事前情報を提供するために、SNR(Signal-to-Noise-Ratio)マップを導入する。
  論文  参考訳（メタデータ） (2023-08-06T06:14:14Z)
• Embedding Fourier for Ultra-High-Definition Low-Light Image Enhancement [78.67036949708795]
  UHD(Ultra-High-Definition)写真は、高度な撮像装置の標準構成となっている。 本稿では,Fourier変換をカスケードネットワークに組み込む新しいソリューションUHDFourを提案する。 また,2,150個の低雑音/正規クラー4K画像ペアを含むUHD LLIEデータセットである textbfUHD-LL をコントリビュートした。
  論文  参考訳（メタデータ） (2023-02-23T07:43:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。