論文の概要: Clear Nights Ahead: Towards Multi-Weather Nighttime Image Restoration

• arxiv url: http://arxiv.org/abs/2505.16479v1
• Date: Thu, 22 May 2025 10:06:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.214186
• Title: Clear Nights Ahead: Towards Multi-Weather Nighttime Image Restoration
• Title（参考訳）: 晴れた夜を前にして:マルチウェザーな夜のイメージ復元を目指す
• Authors: Yuetong Liu, Yunqiu Xu, Yang Wei, Xiuli Bi, Bin Xiao,
• Abstract要約: 複数の悪天候の影響を受ける夜間画像の復元は、実用的だが未調査の研究課題である。 本稿では, 各種の気象劣化をフレア効果と連動させる, 夜間多天候画像復元の課題について検討する。 本稿では,一行で複雑な劣化を効果的に除去する一貫した夜間画像復元フレームワークであるClearNightを提案する。
• 参考スコア（独自算出の注目度）: 22.722301165946746
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Restoring nighttime images affected by multiple adverse weather conditions is a practical yet under-explored research problem, as multiple weather conditions often coexist in the real world alongside various lighting effects at night. This paper first explores the challenging multi-weather nighttime image restoration task, where various types of weather degradations are intertwined with flare effects. To support the research, we contribute the AllWeatherNight dataset, featuring large-scale high-quality nighttime images with diverse compositional degradations, synthesized using our introduced illumination-aware degradation generation. Moreover, we present ClearNight, a unified nighttime image restoration framework, which effectively removes complex degradations in one go. Specifically, ClearNight extracts Retinex-based dual priors and explicitly guides the network to focus on uneven illumination regions and intrinsic texture contents respectively, thereby enhancing restoration effectiveness in nighttime scenarios. In order to better represent the common and unique characters of multiple weather degradations, we introduce a weather-aware dynamic specific-commonality collaboration method, which identifies weather degradations and adaptively selects optimal candidate units associated with specific weather types. Our ClearNight achieves state-of-the-art performance on both synthetic and real-world images. Comprehensive ablation experiments validate the necessity of AllWeatherNight dataset as well as the effectiveness of ClearNight. Project page: https://henlyta.github.io/ClearNight/mainpage.html
• Abstract（参考訳）: 複数の悪天候によって影響を受ける夜間画像の復元は、夜間に様々な照明効果とともに、実世界では複数の気象条件が共存しているため、実用的だが未調査の研究課題である。 本稿では, 各種の気象劣化をフレア効果と連動させる, 夜間多天候画像復元の課題について検討する。 本研究を支援するために,我々は,高画質夜間画像と多様な構成劣化を特徴とするAllWeatherNightデータセットを,導入した照明認識劣化生成を用いて合成した。 さらに,一行の複雑な劣化を効果的に除去する統合夜間画像復元フレームワークであるClearNightを提案する。 具体的には、ClearNightはRetinexベースの2つの先行情報を抽出し、それぞれ不均一な照明領域と固有のテクスチャ内容に焦点を当てるようにネットワークを明示的に誘導することで、夜間シナリオにおける復元効率を向上させる。 複数の気象の劣化の共通点と特異点をよりよく表現するために,気象の劣化を識別し,特定の気象タイプに関連する最適な候補単位を適応的に選択する,気象対応の動的特異性協調手法を提案する。 私たちのClearNightは、合成画像と実世界の画像の両方で最先端のパフォーマンスを実現しています。 包括的アブレーション実験は、AllWeatherNightデータセットの必要性とClearNightの有効性を検証する。 プロジェクトページ: https://henlyta.github.io/ClearNight/mainpage.html

関連論文リスト

• Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
  夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。 具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。 提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-08-25T13:59:31Z)
• Sun Off, Lights On: Photorealistic Monocular Nighttime Simulation for Robust Semantic Perception [53.631644875171595]
  夜間のシーンは、学習したモデルで意味的に知覚し、人間に注釈を付けるのは難しい。 本手法は,1枚の画像の夜間シミュレーションを3Dで行う方法として,サンオフ,ライトオン (SOLO) と命名された。 夜間画像の視覚的品質と光リアリズムは,拡散モデルを含む競合するアプローチよりも優れているだけでなく,従来の画像は,昼夜適応における意味的夜間セグメンテーションに有益であることが証明されている。
  論文  参考訳（メタデータ） (2024-07-29T18:00:09Z)
• Enhancing Visibility in Nighttime Haze Images Using Guided APSF and Gradient Adaptive Convolution [28.685126418090338]
  既存の夜間の脱暖法は、光や低照度の条件を扱うのにしばしば苦労する。 本稿では、光を抑え、低照度領域を高めることにより、夜間のハゼ画像からの視認性を高める。 GTA5夜間ヘイズデータセットでは,PSNRが30.38dBとなり,最先端の手法よりも13%向上した。
  論文  参考訳（メタデータ） (2023-08-03T12:58:23Z)
• NightHazeFormer: Single Nighttime Haze Removal Using Prior Query Transformer [39.90066556289063]
  我々はナイトヘイズフォーマー(NightHazeFormer)と呼ばれる夜間ヘイズ除去のためのエンドツーエンドのトランスフォーマーベースのフレームワークを提案する。 提案手法は,教師付き事前学習と半教師付き微調整の2段階からなる。 いくつかの合成および実世界のデータセットの実験は、最先端の夜間ヘイズ除去法よりもNightHazeFormerの方が優れていることを示している。
  論文  参考訳（メタデータ） (2023-05-16T15:26:09Z)
• Flare7K: A Phenomenological Nighttime Flare Removal Dataset [83.38205781536578]
  最初の夜間フレア除去データセットであるFrare7Kを紹介する。 25種類の散乱フレアと10種類の反射フレアからなる、5,000個の散乱と2,000個の反射フレア画像を提供する。 ペア化されたデータにより、現実世界で撮影されたフレア崩壊画像の復元を効果的に行うことができる。
  論文  参考訳（メタデータ） (2022-10-12T20:17:24Z)
• TransWeather: Transformer-based Restoration of Images Degraded by Adverse Weather Conditions [77.20136060506906]
  トランスウェザー (TransWeather) は1つのエンコーダとデコーダしか持たない変圧器を用いたエンド・ツー・エンドモデルである。 TransWeatherは、All-in-Oneネットワーク上で、複数のテストデータセット間で大幅に改善されている。 実世界のテスト画像で検証され、従来の方法よりも効果的であることが判明した。
  論文  参考訳（メタデータ） (2021-11-29T18:57:09Z)
• Nighttime Dehazing with a Synthetic Benchmark [147.21955799938115]
  昼間の鮮明な画像から夜間のハズイ画像をシミュレートする3Rという新しい合成法を提案する。 実空間の光色を以前の経験的分布からサンプリングすることにより,現実的な夜間ハズイ画像を生成する。 実験結果は、画像の品質と実行時間の両方の観点から、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） (2020-08-10T02:16:46Z)
• Night-time Scene Parsing with a Large Real Dataset [67.11211537439152]
  我々は,夜間シーン解析(NTSP)の問題に対処することを目指しており,主な課題が2つある。 夜間データの不足に対処するため、実夜間画像4,297枚からなる新しいラベル付きデータセット、NightCityを収集した。 また,NTSP問題に対処するための露出認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-15T18:11:34Z)

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。