論文の概要: Retinex-MEF: Retinex-based Glare Effects Aware Unsupervised Multi-Exposure Image Fusion

• arxiv url: http://arxiv.org/abs/2503.07235v2
• Date: Fri, 01 Aug 2025 03:17:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.475154
• Title: Retinex-MEF: Retinex-based Glare Effects Aware Unsupervised Multi-Exposure Image Fusion
• Title（参考訳）: Retinex-MEF:Retinex-based Glare Effects Aware Unsupervised Multi-Exposure Image Fusion
• Authors: Haowen Bai, Jiangshe Zhang, Zixiang Zhao, Lilun Deng, Yukun Cui, Shuang Xu,
• Abstract要約: マルチ露光画像融合(MEF)は、同一シーンの複数の異なる露光画像を1つのよく露出した複合体に合成する。 シーンリフレクタンスから画像照明を分離するRetinex理論は、一貫したシーン表現を保証するための自然な枠組みを提供する。 本稿では、過剰露光によるグラア効果をモデル化するために、Retinex-MEFと呼ばれる教師なし制御可能な手法を導入する。
• 参考スコア（独自算出の注目度）: 15.733055563028039
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-exposure image fusion (MEF) synthesizes multiple, differently exposed images of the same scene into a single, well-exposed composite. Retinex theory, which separates image illumination from scene reflectance, provides a natural framework to ensure consistent scene representation and effective information fusion across varied exposure levels. However, the conventional pixel-wise multiplication of illumination and reflectance inadequately models the glare effect induced by overexposure. To address this limitation, we introduce an unsupervised and controllable method termed Retinex-MEF. Specifically, our method decomposes multi-exposure images into separate illumination components with a shared reflectance component, and effectively models the glare induced by overexposure. The shared reflectance is learned via a bidirectional loss, which enables our approach to effectively mitigate the glare effect. Furthermore, we introduce a controllable exposure fusion criterion, enabling global exposure adjustments while preserving contrast, thus overcoming the constraints of a fixed exposure level. Extensive experiments on diverse datasets, including underexposure-overexposure fusion, exposure controlled fusion, and homogeneous extreme exposure fusion, demonstrate the effective decomposition and flexible fusion capability of our model. The code is available at https://github.com/HaowenBai/Retinex-MEF
• Abstract（参考訳）: マルチ露光画像融合(MEF)は、同一シーンの複数の異なる露光画像を1つのよく露出した複合体に合成する。 シーンリフレクタンスから画像の照度を分離するRetinex理論は、様々な露出レベルにまたがる一貫したシーン表現と効果的な情報融合を保証する自然な枠組みを提供する。 しかし、従来の画素ワイドな照明と反射率の乗算は、過剰露光によって引き起こされるグラア効果を不十分にモデル化する。 この制限に対処するために、Retinex-MEFと呼ばれる教師なしかつ制御不能な手法を導入する。 具体的には、マルチ露光画像を共有反射率成分で別個の照明成分に分解し、過剰露光によって誘発されるグレアを効果的にモデル化する。 共有反射率は双方向の損失によって学習され,グラア効果を効果的に緩和することができる。 さらに,コントラストを保ちながらグローバルな露光調整が可能であり,固定露光レベルの制約を克服する。 本モデルでは,多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多種多 コードはhttps://github.com/HaowenBai/Retinex-MEFで公開されている。

関連論文リスト

• Scene-Segmentation-Based Exposure Compensation for Tone Mapping of High Dynamic Range Scenes [8.179779837795754]
  マルチ露光画像融合(MEF)に基づくトーンマッピングのためのシーン分割に基づく新しい露出補償法を提案する。 提案手法は,入力されたHDR画像から異なる露光画像のスタックを生成し,それらを単一の画像に融合する。
  論文  参考訳（メタデータ） (2024-10-21T04:50:02Z)
• Unsupervised Learning Based Multi-Scale Exposure Fusion [9.152843503286796]
  教師なし学習に基づくマルチスケール露光融合(ULMEF)は、高ダイナミックレンジシーンのための高画質のLDR画像に異なる露光低ダイナミックレンジ(LDR)画像を融合するのに効率的である。 本稿では,ALMEFに対して新たな損失関数を提案し,同じHDRシーンからのすべての画像と他の異なる露光画像を融合して定義する。
  論文  参考訳（メタデータ） (2024-09-26T13:29:40Z)
• Retinex-Diffusion: On Controlling Illumination Conditions in Diffusion Models via Retinex Theory [19.205929427075965]
  我々は,拡散モデルをブラックボックス画像レンダリングとして概念化し,そのエネルギー関数を画像形成モデルに沿って戦略的に分解する。 これは、キャストシャドウ、ソフトシャドウ、反射間など、現実的な照明効果を持つ画像を生成する。
  論文  参考訳（メタデータ） (2024-07-29T03:15:07Z)
• Region-Aware Exposure Consistency Network for Mixed Exposure Correction [26.30138794484646]
  本研究では,複合露光処理が可能な領域対応露光補正ネットワーク(RECNet)を提案する。 混合露光シナリオの局所的特徴を露光不変の特徴空間に効果的に変換する領域認識型露光モジュールを開発した。 本研究では,地域間露光連続性と地域間露光連続性の制約下での露光コントラスト正則化戦略を提案する。
  論文  参考訳（メタデータ） (2024-02-28T10:24:36Z)
• Decomposition-based and Interference Perception for Infrared and Visible Image Fusion in Complex Scenes [4.919706769234434]
  本稿では,分解に基づく干渉知覚画像融合法を提案する。 可視画像の画素を光透過の散乱度から分類し,画像の細部とエネルギー情報を分離する。 この洗練された分解により、複雑なシーンにあるより干渉するピクセルを識別するモデルが提案される。
  論文  参考訳（メタデータ） (2024-02-03T09:27:33Z)
• 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)
• Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer for Exposure Correction [65.5397271106534]
  単一のニューラルネットワークは、すべての露光問題に対処することが難しい。 特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。 本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
  論文  参考訳（メタデータ） (2023-09-02T09:07:36Z)
• Searching a Compact Architecture for Robust Multi-Exposure Image Fusion [55.37210629454589]
  2つの大きなスタブリングブロックは、画素の不一致や非効率な推論など、開発を妨げる。 本研究では,高機能なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを取り入れたアーキテクチャ検索に基づくパラダイムを提案する。 提案手法は様々な競争方式より優れており、一般的なシナリオではPSNRが3.19%向上し、不整合シナリオでは23.5%向上した。
  論文  参考訳（メタデータ） (2023-05-20T17:01:52Z)
• CuDi: Curve Distillation for Efficient and Controllable Exposure Adjustment [86.97592472794724]
  そこで我々は, 対や不対のデータを必要とせず, 効率よくかつ制御可能な露光調整のためのCuDi曲線蒸留法を提案する。 提案手法は,ゼロ参照学習と曲線ベースのフレームワークを,実効的な低照度画像強調手法であるゼロDCEから継承する。 提案手法は, 高速で頑健でフレキシブルな性能に優れ, 実シーンにおける最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-07-28T17:53:46Z)
• Exposure Correction Model to Enhance Image Quality [70.7848787073901]
  露光誤りと過度な露光誤りの両方を扱うために,エンドツーエンドの露光補正モデルを提案する。 我々のモデルは、補正された画像を生成するために、画像エンコーダ、連続残差ブロック、画像デコーダを含む。 提案モデルを用いて露出補正を行った結果,ポートレートマッチングの品質は著しく向上した。
  論文  参考訳（メタデータ） (2022-04-22T11:38:52Z)
• Efficient joint noise removal and multi exposure fusion [0.0]
  マルチ露光融合(Multi-Exposure fusion、MEF)は、異なる露光設定で取得した同一シーンの異なる画像を単一の画像に組み合わせる手法である。 ノイズ除去を考慮した新しいマルチ露光画像融合チェーンを提案する。
  論文  参考訳（メタデータ） (2021-12-04T09:30:10Z)
• Learning Flow-based Feature Warping for Face Frontalization with Illumination Inconsistent Supervision [73.18554605744842]
  Flow-based Feature Warping Model (FFWM) は、正面画像を保存するフォトリアリスティックおよび照明の合成を学ぶ。 Illumination Preserving Module (IPM) を提案する。 Warp Attention Module (WAM) は、機能レベルでのポーズの相違を低減するために導入された。
  論文  参考訳（メタデータ） (2020-08-16T06:07:00Z)
• Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
  本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。 このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
  論文  参考訳（メタデータ） (2020-07-21T17:30:51Z)
• Learning Multi-Scale Photo Exposure Correction [51.57836446833474]
  露出を間違えた写真を撮影することは、カメラベースの画像の誤りの主な原因である。 本稿では,各サブプロブレムに個別に対処する粗大な深層ニューラルネットワーク(DNN)モデルを提案する。 提案手法は,未露出画像における既存の最先端手法と同等の結果を得る。
  論文  参考訳（メタデータ） (2020-03-25T19:33:51Z)

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。