論文の概要: LENVIZ: A High-Resolution Low-Exposure Night Vision Benchmark Dataset

• arxiv url: http://arxiv.org/abs/2503.19804v1
• Date: Tue, 25 Mar 2025 16:12:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 16:51:43.677123
• Title: LENVIZ: A High-Resolution Low-Exposure Night Vision Benchmark Dataset
• Title（参考訳）: LENVIZ:低解像度ナイトビジョンベンチマークデータセット
• Authors: Manjushree Aithal, Rosaura G. VidalMata, Manikandtan Kartha, Gong Chen, Eashan Adhikarla, Lucas N. Kirsten, Zhicheng Fu, Nikhil A. Madhusudhana, Joe Nasti,
• Abstract要約: Low Exposure Night Vision (LENVIZ)データセットは、低照度画像拡張のためのベンチマークデータセットである。 LENVIZは、様々な照明条件、騒音レベル、シーンの複雑さを提供しており、この分野で利用可能な最大4K解像度のベンチマークである。 各マルチ露光低照度シーンは、専門家写真家によって慎重にキュレートされ、編集され、最適な画質が確保されている。
• 参考スコア（独自算出の注目度）: 3.9155038571917005
• License:
• Abstract: Low-light image enhancement is crucial for a myriad of applications, from night vision and surveillance, to autonomous driving. However, due to the inherent limitations that come in hand with capturing images in low-illumination environments, the task of enhancing such scenes still presents a formidable challenge. To advance research in this field, we introduce our Low Exposure Night Vision (LENVIZ) Dataset, a comprehensive multi-exposure benchmark dataset for low-light image enhancement comprising of over 230K frames showcasing 24K real-world indoor and outdoor, with-and without human, scenes. Captured using 3 different camera sensors, LENVIZ offers a wide range of lighting conditions, noise levels, and scene complexities, making it the largest publicly available up-to 4K resolution benchmark in the field. LENVIZ includes high quality human-generated ground truth, for which each multi-exposure low-light scene has been meticulously curated and edited by expert photographers to ensure optimal image quality. Furthermore, we also conduct a comprehensive analysis of current state-of-the-art low-light image enhancement techniques on our dataset and highlight potential areas of improvement.
• Abstract（参考訳）: 低照度画像の強化は、夜間ビジョンや監視、自動運転など、無数のアプリケーションにとって不可欠だ。 しかし、低照度環境における画像の撮影に付随する固有の制約のため、こうしたシーンの強化作業は依然として恐ろしい課題である。 この分野での研究を進めるために、私たちはLow Exposure Night Vision (LENVIZ) Datasetを紹介します。 LENVIZは3つの異なるカメラセンサーを使って撮影され、様々な照明条件、騒音レベル、シーンの複雑さを提供する。 LENVIZは、高品質な人為的な地上の真実を含んでおり、各マルチ露光の低照度シーンは、専門家の写真家によって慎重にキュレートされ、編集され、最適な画質が確保されている。 さらに、我々のデータセット上で、最先端の低照度画像強調技術について包括的な分析を行い、改善の可能性を強調します。

関連論文リスト

• LED: Light Enhanced Depth Estimation at Night [10.941842055797125]
  低照度環境における深度推定を大幅に改善する新しいコスト効率のアプローチであるLED(Light Enhanced Depth)を導入する。 LEDは、現代の車両で利用できる高解像度ヘッドライトによって投影されるパターンを利用する。 49,990の注釈付き画像からなるNighttime Synthetic Driveデータセットをリリースする。
  論文  参考訳（メタデータ） (2024-09-12T13:23:24Z)
• 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)
• 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)
• NDELS: A Novel Approach for Nighttime Dehazing, Low-Light Enhancement, and Light Suppression [4.976703689624386]
  本稿では、NDELS(Nighttime Dehazing, Low-Light Enhancement and Light Suppression)という先駆的なソリューションを紹介する。 NDELSは3つの重要なプロセスを組み合わせて、可視性、低照度領域を強化し、明るい光源からのグレアを効果的に抑制する。 NDELSの有効性は、4つの多様なデータセットにわたる8つの最先端アルゴリズムとの広範な比較を通じて厳密に検証されている。
  論文  参考訳（メタデータ） (2023-12-11T21:38:32Z)
• Few-Shot Domain Adaptation for Low Light RAW Image Enhancement [41.135497703299315]
  実用的な低照度原画像の強調は、短い露光時間と照明の制限による激しいノイズや色歪みのために難しい課題である。 対象カメラからのラベル付きサンプルがほとんどない既存のソースカメラのラベル付きデータを利用するための,新規な数ショット領域適応手法を提案する。 実験の結果,対象カメラ領域のラベル付きサンプルは10個以下で,大容量のラベル付きカメラデータセットを用いてモデルをトレーニングするよりも,類似あるいは改善性能を向上できることがわかった。
  論文  参考訳（メタデータ） (2023-03-27T18:10:52Z)
• Diffusion in the Dark: A Diffusion Model for Low-Light Text Recognition [78.50328335703914]
  ディフュージョン・イン・ザ・ダーク (Diffusion in the Dark, DiD) は、テキスト認識のための低照度画像再構成のための拡散モデルである。 実画像上での低照度テキスト認識において,Digital DiDがSOTAの低照度手法より優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-07T23:52:51Z)
• DarkVision: A Benchmark for Low-light Image/Video Perception [44.94878263751042]
  画像強調とオブジェクト検出の両方に、DarkVisionという、最初のマルチ照度、マルチカメラ、低照度データセットをコントリビュートする。 データセットは明るい暗黒のペアで構成され、900の静的なシーンと15のカテゴリのオブジェクト、32のダイナミックなシーンと4つのカテゴリのオブジェクトで構成されている。 それぞれのシーンで、画像/ビデオは3つのグレードのカメラを使用して5つの照度レベルで撮影され、平均光子を確実に推定することができる。
  論文  参考訳（メタデータ） (2023-01-16T05:55:59Z)
• Neural Light Field Estimation for Street Scenes with Differentiable Virtual Object Insertion [129.52943959497665]
  既存の屋外照明推定の作業は通常、シーン照明を環境マップに単純化する。 単一画像から5次元HDR光場を推定するニューラルネットワークを提案する。 自律運転アプリケーションにおけるARオブジェクト挿入の利点を示す。
  論文  参考訳（メタデータ） (2022-08-19T17:59:16Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)
• 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。