論文の概要: Illuminating Darkness: Enhancing Real-world Low-light Scenes with Smartphone Images

• arxiv url: http://arxiv.org/abs/2503.06898v1
• Date: Mon, 10 Mar 2025 04:01:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:48:20.379638
• Title: Illuminating Darkness: Enhancing Real-world Low-light Scenes with Smartphone Images
• Title（参考訳）: 暗さを照らす:スマートフォン画像による現実世界の低照度シーンの強化
• Authors: S M A Sharif, Abdur Rehman, Zain Ul Abidin, Rizwan Ali Naqvi, Fayaz Ali Dharejo, Radu Timofte,
• Abstract要約: このデータセットは、挑戦的な照明条件(0.1-200 lux)の下で、スマートフォンセンサーで捉えた6,425のユニークな焦点整列画像対からなる。 ベンチマークのために400ペアを保存しながら、6,025の収集されたシーンから180,000の非重複パッチを抽出し、精査した。 それに加えて、異なるソースから2,117個の低照度シーンを収集し、広範囲の現実世界の美的評価を行った。
• 参考スコア（独自算出の注目度）: 47.39277249268179
• License:
• Abstract: Digital cameras often struggle to produce plausible images in low-light conditions. Improving these single-shot images remains challenging due to a lack of diverse real-world pair data samples. To address this limitation, we propose a large-scale high-resolution (i.e., beyond 4k) pair Single-Shot Low-Light Enhancement (SLLIE) dataset. Our dataset comprises 6,425 unique focus-aligned image pairs captured with smartphone sensors in dynamic settings under challenging lighting conditions (0.1--200 lux), covering various indoor and outdoor scenes with varying noise and intensity. We extracted and refined around 180,000 non-overlapping patches from 6,025 collected scenes for training while reserving 400 pairs for benchmarking. In addition to that, we collected 2,117 low-light scenes from different sources for extensive real-world aesthetic evaluation. To our knowledge, this is the largest real-world dataset available for SLLIE research. We also propose learning luminance-chrominance (LC) attributes separately through a tuning fork-shaped transformer model to enhance real-world low-light images, addressing challenges like denoising and over-enhancement in complex scenes. We also propose an LC cross-attention block for feature fusion, an LC refinement block for enhanced reconstruction, and LC-guided supervision to ensure perceptually coherent enhancements. We demonstrated our method's effectiveness across various hardware and scenarios, proving its practicality in real-world applications. Code and dataset available at https://github.com/sharif-apu/LSD-TFFormer.
• Abstract（参考訳）: デジタルカメラは、しばしば低照度環境で可視画像を作成するのに苦労する。 これらのシングルショット画像の改善は、さまざまな実世界のペアデータサンプルが欠如しているため、依然として困難である。 この制限に対処するため,SLLIE(Single-Shot Low-Light Enhancement)データセットの大規模高分解能(すなわち4kを超える)を提案する。 我々のデータセットは、6,425個のフォーカスアライン画像対をスマートフォンセンサーでダイナミックな設定で捉え、様々な屋内および屋外のシーンをノイズと強度でカバーしている。 ベンチマークのために400ペアを保存しながら、6,025の収集されたシーンから180,000の非重複パッチを抽出し、精査した。 それに加えて、異なるソースから2,117個の低照度シーンを収集し、広範囲の現実世界の美的評価を行った。 我々の知る限り、これはSLLIE研究で利用可能な世界最大規模のデータセットです。 また,学習輝度クロミナンス(LC)特性を学習フォーク型トランスフォーマーモデルによって別々に提案し,実世界の低照度画像の高精細化と複雑なシーンにおける過強調といった課題に対処する。 また,機能融合のためのLCクロスアテンションブロック,再構築のためのLCリファインメントブロック,知覚的コヒーレントな拡張を保証するためのLC誘導監視を提案する。 提案手法の有効性を様々なハードウェアやシナリオで実証し,実世界のアプリケーションにおける実用性を実証した。 コードとデータセットはhttps://github.com/sharif-apu/LSD-TFFormerで入手できる。

関連論文リスト

• BVI-RLV: A Fully Registered Dataset and Benchmarks for Low-Light Video Enhancement [56.97766265018334]
  本稿では,2つの異なる低照度条件下での様々な動きシナリオを持つ40のシーンからなる低照度映像データセットを提案する。 我々は、プログラム可能なモータードリーを用いて、通常の光で捉えた完全に登録された地上真実データを提供し、異なる光レベルにわたるピクセルワイドフレームアライメントのための画像ベースアプローチによりそれを洗練する。 実験の結果,Low-light Video enhancement (LLVE) における完全登録ビデオペアの重要性が示された。
  論文  参考訳（メタデータ） (2024-07-03T22:41:49Z)
• Towards Robust Event-guided Low-Light Image Enhancement: A Large-Scale Real-World Event-Image Dataset and Novel Approach [7.974102031202597]
  そこで本研究では,低照度および常照度条件下での30万組以上の画像とイベントからなる実世界(屋内および屋外)データセットを提案する。 このデータセットに基づいて、実世界の低照度シーンにおけるロバストなパフォーマンスを実現するために、EvLightと呼ばれるイベント誘導型LIEアプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-01T00:18:17Z)
• BVI-Lowlight: Fully Registered Benchmark Dataset for Low-Light Video Enhancement [44.1973928137492]
  本稿では,2つの低照度条件下での様々な動きシナリオにおける40のシーンからなる,新しい低照度映像データセットを提案する。 我々は、プログラム可能な電動ドリーを用いて、通常の光で捉えた完全に登録された地上真実データを提供する。 画像ベースのポストプロセッシングによりそれらを洗練し、異なる光レベルにおけるフレームの画素ワイドアライメントを保証する。
  論文  参考訳（メタデータ） (2024-02-03T00:40:22Z)
• 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)
• Enhancing Low-Light Images in Real World via Cross-Image Disentanglement [58.754943762945864]
  そこで本研究では,現実の汚職とミスアライメントされたトレーニング画像からなる,新しい低照度画像強調データセットを提案する。 本モデルでは,新たに提案したデータセットと,他の一般的な低照度データセットの両方に対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-01-10T03:12:52Z)
• CERL: A Unified Optimization Framework for Light Enhancement with Realistic Noise [81.47026986488638]
  現実世界で撮影された低照度画像は、センサーノイズによって必然的に破損する。 既存の光強調法は、拡張中の現実世界のノイズの重要な影響を見落としているか、ノイズ除去を別の前処理または後処理のステップとして扱うかのどちらかである。 実世界の低照度雑音画像(CERL)のコーディネート・エンハンスメントを行い,光強調部と雑音抑制部を一体化・物理接地したフレームワークにシームレスに統合する。
  論文  参考訳（メタデータ） (2021-08-01T15:31:15Z)
• VIDIT: Virtual Image Dataset for Illumination Transfer [18.001635516017902]
  VIDIT(Virtual Image dataset for Illumination Transfer)を提案する。 VIDITには、トレーニングに使用される300の仮想シーンが含まれており、各シーンは合計で40回撮影されている。
  論文  参考訳（メタデータ） (2020-05-11T21:58:03Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)

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。