論文の概要: ERetinex: Event Camera Meets Retinex Theory for Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2503.02484v1
- Date: Tue, 04 Mar 2025 10:48:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:23:59.827268
- Title: ERetinex: Event Camera Meets Retinex Theory for Low-Light Image Enhancement
- Title（参考訳）: Eretinex: イベントカメラは低照度画像強調のためのRetinex理論と出会う
- Authors: Xuejian Guo, Zhiqiang Tian, Yuehang Wang, Siqi Li, Yu Jiang, Shaoyi Du, Yue Gao,
- Abstract要約: 低照度画像強調は、暗黒のシナリオで撮影された露光下画像の復元を目的としている。
イベントカメラの高ダイナミックレンジは、極低照度シナリオにおける視覚知覚にとって重要な要素である。
本稿では,レチネックスをベースとした新しい低照度画像復元フレームワークであるERetinexを提案する。
- 参考スコア（独自算出の注目度）: 20.985751745626207
- License:
- Abstract: Low-light image enhancement aims to restore the under-exposure image captured in dark scenarios. Under such scenarios, traditional frame-based cameras may fail to capture the structure and color information due to the exposure time limitation. Event cameras are bio-inspired vision sensors that respond to pixel-wise brightness changes asynchronously. Event cameras' high dynamic range is pivotal for visual perception in extreme low-light scenarios, surpassing traditional cameras and enabling applications in challenging dark environments. In this paper, inspired by the success of the retinex theory for traditional frame-based low-light image restoration, we introduce the first methods that combine the retinex theory with event cameras and propose a novel retinex-based low-light image restoration framework named ERetinex. Among our contributions, the first is developing a new approach that leverages the high temporal resolution data from event cameras with traditional image information to estimate scene illumination accurately. This method outperforms traditional image-only techniques, especially in low-light environments, by providing more precise lighting information. Additionally, we propose an effective fusion strategy that combines the high dynamic range data from event cameras with the color information of traditional images to enhance image quality. Through this fusion, we can generate clearer and more detail-rich images, maintaining the integrity of visual information even under extreme lighting conditions. The experimental results indicate that our proposed method outperforms state-of-the-art (SOTA) methods, achieving a gain of 1.0613 dB in PSNR while reducing FLOPS by \textbf{84.28}\%.
- Abstract（参考訳）: 低照度画像強調は、暗黒のシナリオで撮影された露光下画像の復元を目的としている。
このようなシナリオでは、従来のフレームベースのカメラは、露出時間制限のために構造や色情報をキャプチャできない可能性がある。
イベントカメラはバイオインスパイアされた視覚センサーで、ピクセルワイドの明るさに非同期に反応する。
イベントカメラのハイダイナミックレンジは、極端に低照度なシナリオにおける視覚的知覚において重要なものであり、従来のカメラを超越し、挑戦的な暗黒環境におけるアプリケーションを可能にする。
本稿では、従来のフレームベース低光画像復元におけるレチネックス理論の成功に触発されて、レチネックス理論とイベントカメラを組み合わせた最初の手法を紹介し、新しいレチネックスベースの低光画像復元フレームワークであるERetinexを提案する。
コントリビューションの中では、イベントカメラからの高時間分解能データと従来の画像情報を利用してシーン照明を正確に推定する新しいアプローチが開発されている。
この方法は、特に低照度環境では、より正確な照明情報を提供することで、従来の画像専用技術よりも優れている。
さらに、イベントカメラからの高ダイナミックレンジデータと従来の画像の色情報を組み合わせて画像品質を向上させる効果的な融合戦略を提案する。
この融合により、極端の照明条件下であっても視覚情報の完全性を維持しながら、より鮮明で詳細に富んだ画像を生成することができる。
実験結果から,提案手法は最先端(SOTA)法より優れ,PSNRでは1.0613dBとなり,FLOPSをtextbf{84.28}\%削減した。
関連論文リスト
- Zero-Shot Low Light Image Enhancement with Diffusion Prior [2.102429358229889]
暗視画像変換タスクのための拡散モデルの生成挙動を制御・改善するための新しいゼロショット手法を提案する。
提案手法は,低照度画像強調作業における既存の最先端手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-12-18T00:31:18Z) - Gradient events: improved acquisition of visual information in event cameras [0.0]
従来の明るさイベントと同じ特性から恩恵を受ける新しいタイプのイベントである勾配イベントを提案する。
勾配イベントに基づくビデオ再構成は、既存の最先端の輝度イベントベースの手法よりも大きなマージンで優れていることを示す。
論文 参考訳（メタデータ） (2024-09-03T10:18:35Z) - Revealing Shadows: Low-Light Image Enhancement Using Self-Calibrated
Illumination [4.913568097686369]
自己校正イルミネーション(Self-Calibrated Illumination, SCI)は、当初RGB画像向けに開発された戦略である。
我々はSCI法を用いて、低照度条件下で通常失われる詳細を強調・明らかにする。
この選択的照明強調方法は、色情報をそのまま残し、画像の色整合性を保つ。
論文 参考訳（メタデータ） (2023-12-23T08:49:19Z) - EventAid: Benchmarking Event-aided Image/Video Enhancement Algorithms
with Real-captured Hybrid Dataset [55.12137324648253]
イベントカメラは、ダイナミックレンジとセンサーの速度で従来のフレームベースの撮像センサーよりも有利な、新興のイメージング技術である。
本稿では,5つのイベント支援画像と映像強調タスクに焦点を当てる。
論文 参考訳（メタデータ） (2023-12-13T15:42:04Z) - Event-based Background-Oriented Schlieren [18.2247510082534]
シュリーレンイメージング(Schlieren imaging)は、空気や水などの透明な媒体の流れを粒子の種を作らずに観察する光学技術である。
イベントカメラは、バイオインスパイアされたセンシング原理により、そのような制限を克服する潜在的な利点(高ダイナミックレンジ、高時間分解能、データ効率)を提供する。
本稿では,イベントデータとシュリエレンを結合する最初の理論的解析を行い,イベントとフレームを用いた空気対流の知覚手法を提案する。
論文 参考訳（メタデータ） (2023-11-01T10:57:20Z) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳（メタデータ） (2023-08-16T08:46:51Z) - Retinexformer: One-stage Retinex-based Transformer for Low-light Image
Enhancement [96.09255345336639]
低照度画像の高精細化のために,原理化された1段Retinex-based Framework (ORF) を定式化する。
ORFはまず照明情報を推定し、低照度画像を照らす。
我々のアルゴリズムであるRetinexformerは13のベンチマークで最先端の手法を大幅に上回っている。
論文 参考訳（メタデータ） (2023-03-12T16:54:08Z) - High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。
提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。
実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-29T13:31:28Z) - Learning Monocular Dense Depth from Events [53.078665310545745]
イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。
最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。
本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-10-16T12:36:23Z) - Low-light Image Restoration with Short- and Long-exposure Raw Pairs [14.643663950015334]
短時間・長時間露光画像の相補的情報を用いた新しい低照度画像復元手法を提案する。
まず,現実的な短時間・長時間露光生画像の合成のための新しいデータ生成手法を提案する。
そこで我々は,低照度画像融合の問題に対処するため,LSFNet(Long-Short-Exposure fusion Network)を新たに設計した。
論文 参考訳（メタデータ） (2020-07-01T03:22:26Z)
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。