論文の概要: Efficient RAW Image Deblurring with Adaptive Frequency Modulation

• arxiv url: http://arxiv.org/abs/2505.24407v2
• Date: Tue, 03 Jun 2025 06:52:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 16:31:03.699378
• Title: Efficient RAW Image Deblurring with Adaptive Frequency Modulation
• Title（参考訳）: 適応周波数変調による高能率RAW画像の劣化
• Authors: Wenlong Jiao, Binglong Li, Wei Shang, Ping Wang, Dongwei Ren,
• Abstract要約: RAW画像の劣化は、特に周波数依存のぼかしを扱う際、ユニークな課題を示す。 本稿では、RAW-to-RAWデブロアリング用に設計されたフレームワークである周波数拡張ネットワーク(FrENet)を提案する。 実験により,FrENetはRAW画像の劣化における最先端の劣化手法を超越していることが示された。
• 参考スコア（独自算出の注目度）: 11.866039197666808
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image deblurring plays a crucial role in enhancing visual clarity across various applications. Although most deep learning approaches primarily focus on sRGB images, which inherently lose critical information during the image signal processing pipeline, RAW images, being unprocessed and linear, possess superior restoration potential but remain underexplored. Deblurring RAW images presents unique challenges, particularly in handling frequency-dependent blur while maintaining computational efficiency. To address these issues, we propose Frequency Enhanced Network (FrENet), a framework specifically designed for RAW-to-RAW deblurring that operates directly in the frequency domain. We introduce a novel Adaptive Frequency Positional Modulation module, which dynamically adjusts frequency components according to their spectral positions, thereby enabling precise control over the deblurring process. Additionally, frequency domain skip connections are adopted to further preserve high-frequency details. Experimental results demonstrate that FrENet surpasses state-of-the-art deblurring methods in RAW image deblurring, achieving significantly better restoration quality while maintaining high efficiency in terms of reduced MACs. Furthermore, FrENet's adaptability enables it to be extended to sRGB images, where it delivers comparable or superior performance compared to methods specifically designed for sRGB data. The code will be available at https://github.com/WenlongJiao/FrENet .
• Abstract（参考訳）: 画像の劣化は、様々なアプリケーションにおける視覚的明瞭度を高める上で重要な役割を担っている。 ほとんどのディープラーニングアプローチは、本質的には画像信号処理パイプラインにおいて重要な情報を失うsRGBイメージに重点を置いているが、RAWイメージは未処理で線形であり、より優れた復元可能性を持っているが、未探索のままである。 RAW画像の劣化は、特に計算効率を保ちながら周波数依存のぼかしを扱う際、独特な課題を示す。 これらの問題に対処するために、周波数領域内で直接動作するRAW-to-RAWデブロアリング用に特別に設計されたフレームワークである周波数拡張ネットワーク(FrENet)を提案する。 本稿では,周波数成分をスペクトル位置に応じて動的に調整する適応周波数位置変調モジュールを提案する。 さらに、高周波の詳細をさらに保存するために周波数領域スキップ接続が採用されている。 実験により,FrENetはRAW画像の劣化における最先端の劣化手法を超越し,MACの低減の観点から高い効率を維持しつつ,復元精度を著しく向上することを示した。 さらに、FrENetの適応性により、sRGBデータ用に特別に設計された方法と比較して、同等または優れたパフォーマンスを提供するsRGBイメージに拡張することができる。 コードはhttps://github.com/WenlongJiao/FrENetで入手できる。

関連論文リスト

• Frequency Enhancement for Image Demosaicking [40.76899837631637]
  本稿では,RGB画像の分割・復号化を行うデュアルパス周波数拡張ネットワーク(DFENet)を提案する。 1つの経路は、空間領域の細かな精細化を通じて行方不明の情報を生成することに焦点を当て、もう1つは望ましくない周波数を抑えることを目的としている。 これらの設計により、提案されたDFENetは、異なるデータセット上で、他の最先端アルゴリズムよりも優れている。
  論文  参考訳（メタデータ） (2025-03-20T02:37:10Z)
• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。 また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• A Learnable Color Correction Matrix for RAW Reconstruction [19.394856071610604]
  複雑な逆画像信号処理装置(ISP)を近似する学習可能な色補正行列(CCM)を導入する。 実験結果から,本手法で生成したRAW(simRAW)画像は,より複雑な逆ISP法で生成した画像と同等の性能向上が得られた。
  論文  参考訳（メタデータ） (2024-09-04T07:46:42Z)
• DEFormer: DCT-driven Enhancement Transformer for Low-light Image and Dark Vision [12.150160523389957]
  暗黒領域における失われた詳細を復元するためのDCT駆動拡張変換器(DEFormer)フレームワークを提案する。 我々のフレームワークはLOLとMIT-Adobe FiveKデータセットにおいて優れた結果を得た。
  論文  参考訳（メタデータ） (2023-09-13T13:24:27Z)
• Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
  光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。 本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。 低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
  論文  参考訳（メタデータ） (2021-08-03T12:26:33Z)

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。