論文の概要: Adaptive Low Light Enhancement via Joint Global-Local Illumination Adjustment
- arxiv url: http://arxiv.org/abs/2504.00400v1
- Date: Tue, 01 Apr 2025 03:46:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-03 13:19:44.664792
- Title: Adaptive Low Light Enhancement via Joint Global-Local Illumination Adjustment
- Title（参考訳）: 共同局所照明調整による適応型低照度化
- Authors: Haodian Wang, Yaqi Song,
- Abstract要約: 低照度画像における局所的な露光の不整合に対処する新しい明るさ適応型拡張フレームワークを提案する。
提案手法は,最先端のアルゴリズムと比較して,定量的,定性的な結果が得られる。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Images captured under real-world low-light conditions face significant challenges due to uneven ambient lighting, making it difficult for existing end-to-end methods to enhance images with a large dynamic range to normal exposure levels. To address the above issue, we propose a novel brightness-adaptive enhancement framework designed to tackle the challenge of local exposure inconsistencies in real-world low-light images. Specifically, our proposed framework comprises two components: the Local Contrast Enhancement Network (LCEN) and the Global Illumination Guidance Network (GIGN). We introduce an early stopping mechanism in the LCEN and design a local discriminative module, which adaptively perceives the contrast of different areas in the image to control the premature termination of the enhancement process for patches with varying exposure levels. Additionally, within the GIGN, we design a global attention guidance module that effectively models global illumination by capturing long-range dependencies and contextual information within the image, which guides the local contrast enhancement network to significantly improve brightness across different regions. Finally, in order to coordinate the LCEN and GIGN, we design a novel training strategy to facilitate the training process. Experiments on multiple datasets demonstrate that our method achieves superior quantitative and qualitative results compared to state-of-the-art algorithms.
- Abstract（参考訳）: 現実世界の低照度条件下で撮影された画像は、周囲の照明が不均一であるために重大な課題に直面しており、既存のエンドツーエンドの手法では、大きなダイナミックレンジから通常の露光レベルまで画像を強化することが困難である。
上記の課題に対処するために,現実の低照度画像における局所的な露光の不整合に対処する,新しい明るさ適応型拡張フレームワークを提案する。
具体的には,LCEN(Local Contrast Enhancement Network)とGIGN(Global Illumination Guidance Network)の2つのコンポーネントからなる。
LCENに早期停止機構を導入し,画像内の異なる領域のコントラストを適応的に知覚する局所識別モジュールを設計し,露出レベルの異なるパッチに対する拡張プロセスの早期終了を制御する。
さらに,GIGN内では,局所コントラスト拡張ネットワークを誘導し,各領域の明るさを著しく改善する,長距離依存やコンテキスト情報を画像内にキャプチャすることで,グローバル照明を効果的にモデル化するグローバルアテンション誘導モジュールを設計する。
最後に、LCENとGIGNを協調させるために、トレーニングプロセスを容易にするための新しいトレーニング戦略を設計する。
複数のデータセットに対する実験により,本手法は最先端のアルゴリズムと比較して,定量的,定性的な結果が得られることを示した。
関連論文リスト
- Semi-LLIE: Semi-supervised Contrastive Learning with Mamba-based Low-light Image Enhancement [59.17372460692809]
本研究は、平均教師による半教師付き低照度強化(Semi-LLIE)フレームワークを提案する。
照度分布を忠実に伝達するために、意味認識によるコントラスト損失を導入し、自然色による画像の強調に寄与する。
また,大規模な視覚言語認識モデル(RAM)に基づく新たな知覚損失を提案し,よりリッチなテキストによる画像生成を支援する。
論文 参考訳（メタデータ） (2024-09-25T04:05:32Z) - ALEN: A Dual-Approach for Uniform and Non-Uniform Low-Light Image Enhancement [10.957431540794836]
不適切な照明は、情報損失や画質の低下を招き、監視などの様々な応用に影響を及ぼす可能性がある。
現在のエンハンスメント技術は、しばしば特定のデータセットを使用して低照度画像を強化するが、様々な現実世界の条件に適応する際の課題は残る。
アダプティブ・ライト・エンハンスメント・ネットワーク (ALEN) を導入し、その主なアプローチは、ローカル照明とグローバル照明の強化が必要であるかどうかを決定するための分類機構を使用することである。
論文 参考訳（メタデータ） (2024-07-29T05:19:23Z) - A Non-Uniform Low-Light Image Enhancement Method with Multi-Scale
Attention Transformer and Luminance Consistency Loss [11.585269110131659]
低照度画像強調は、薄暗い環境で収集された画像の知覚を改善することを目的としている。
既存の方法では、識別された輝度情報を適応的に抽出することができず、露光過多や露光過多を容易に引き起こすことができる。
MSATrというマルチスケールアテンション変換器を提案し,光バランスの局所的・グローバル的特徴を十分に抽出し,視覚的品質を向上させる。
論文 参考訳（メタデータ） (2023-12-27T10:07:11Z) - Dimma: Semi-supervised Low Light Image Enhancement with Adaptive Dimming [0.728258471592763]
自然色を維持しながら低照度画像を強調することは、カメラ処理のバリエーションによって難しい問題である。
そこで我々はDimmaを提案する。Dimmaは、画像対の小さなセットを利用して、任意のカメラと整合する半教師付きアプローチである。
そこで我々は,照明の違いに基づいて,シーンの歪み色を生成する畳み込み混合密度ネットワークを導入することで実現した。
論文 参考訳（メタデータ） (2023-10-14T17:59:46Z) - Diving into Darkness: A Dual-Modulated Framework for High-Fidelity
Super-Resolution in Ultra-Dark Environments [51.58771256128329]
本稿では,低照度超解像課題の性質を深く理解しようとする,特殊二変調学習フレームワークを提案する。
Illuminance-Semantic Dual Modulation (ISDM) コンポーネントを開発した。
包括的実験は、我々のアプローチが多様で挑戦的な超低照度条件に適用可能であることを示す。
論文 参考訳（メタデータ） (2023-09-11T06:55:32Z) - 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) - Learning a Single Convolutional Layer Model for Low Light Image
Enhancement [43.411846299085575]
低照度画像強調(LLIE)は、光照射不足による画像の照度向上を目的としている。
粗く強化された結果として,グローバルな低照度化を実現する単一畳み込み層モデル(SCLM)を提案する。
実験結果から,提案手法は客観的指標と主観的視覚効果の両方において,最先端のLLIE法に対して良好に機能することが示された。
論文 参考訳（メタデータ） (2023-05-23T13:12:00Z) - Cycle-Interactive Generative Adversarial Network for Robust Unsupervised
Low-Light Enhancement [109.335317310485]
CIGAN(Cycle-Interactive Generative Adversarial Network)は、低照度画像間の照明分布の転送を改善できるだけでなく、詳細な信号も操作できる。
特に、提案した低照度誘導変換は、低照度GAN生成器から劣化GAN生成器へ、低照度画像の特徴をフォワードする。
論文 参考訳（メタデータ） (2022-07-03T06:37:46Z) - Low Light Image Enhancement via Global and Local Context Modeling [164.85287246243956]
低照度画像強調のためのコンテキスト認識ディープネットワークを導入。
まず、全空間領域上の補完的な手がかりを見つけるために空間相関をモデル化するグローバルコンテキストモジュールを特徴とする。
第二に、比較的大きな受容フィールドで局所的なコンテキストをキャプチャする密な残留ブロックを導入する。
論文 参考訳（メタデータ） (2021-01-04T09:40:54Z) - 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。