論文の概要: HVI-CIDNet+: Beyond Extreme Darkness for Low-Light Image Enhancement

• arxiv url: http://arxiv.org/abs/2507.06814v1
• Date: Wed, 09 Jul 2025 13:03:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.590121
• Title: HVI-CIDNet+: Beyond Extreme Darkness for Low-Light Image Enhancement
• Title（参考訳）: HVI-CIDNet+:低照度画像強調のための極暗視を超えて
• Authors: Qingsen Yan, Kangbiao Shi, Yixu Feng, Tao Hu, Peng Wu, Guansong Pang, Yanning Zhang,
• Abstract要約: 低光画像強調(LLIE)は、劣化した低光画像から鮮明なコンテンツと詳細を復元することを目的としている。 既存の標準RGB(sRGB)カラースペースベースのLLIE法は、しばしば色バイアスと明るさのアーチファクトを生成する。 HV色マップと学習可能な強度によって定義されるLLIEの新しい色空間を提案する。 HVI-CIDNet+はHVI色空間上に構築されており、損傷したコンテンツを復元し、極暗い領域における色歪みを軽減する。
• 参考スコア（独自算出の注目度）: 56.02740727422916
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-Light Image Enhancement (LLIE) aims to restore vivid content and details from corrupted low-light images. However, existing standard RGB (sRGB) color space-based LLIE methods often produce color bias and brightness artifacts due to the inherent high color sensitivity. While Hue, Saturation, and Value (HSV) color space can decouple brightness and color, it introduces significant red and black noise artifacts. To address this problem, we propose a new color space for LLIE, namely Horizontal/Vertical-Intensity (HVI), defined by the HV color map and learnable intensity. The HV color map enforces small distances for the red coordinates to remove red noise artifacts, while the learnable intensity compresses the low-light regions to remove black noise artifacts. Additionally, we introduce the Color and Intensity Decoupling Network+ (HVI-CIDNet+), built upon the HVI color space, to restore damaged content and mitigate color distortion in extremely dark regions. Specifically, HVI-CIDNet+ leverages abundant contextual and degraded knowledge extracted from low-light images using pre-trained vision-language models, integrated via a novel Prior-guided Attention Block (PAB). Within the PAB, latent semantic priors can promote content restoration, while degraded representations guide precise color correction, both particularly in extremely dark regions through the meticulously designed cross-attention fusion mechanism. Furthermore, we construct a Region Refinement Block that employs convolution for information-rich regions and self-attention for information-scarce regions, ensuring accurate brightness adjustments. Comprehensive results from benchmark experiments demonstrate that the proposed HVI-CIDNet+ outperforms the state-of-the-art methods on 10 datasets.
• Abstract（参考訳）: 低光画像強調(LLIE)は、劣化した低光画像から鮮明なコンテンツと詳細を復元することを目的としている。 しかし、既存の標準RGB(sRGB)カラースペースベースのLLIE法は、固有の高感度のため、色バイアスと明るさのアーチファクトを生成することが多い。 Hue, Saturation, and Value (HSV)色空間は明るさと色を分離することができるが、赤と黒のノイズアーティファクトがかなり導入されている。 この問題に対処するために,HV色マップと学習可能な強度によって定義される,LLIEの新しい色空間,すなわち水平/垂直-強度(HVI)を提案する。 HVカラーマップは、赤の座標に対して小さな距離を強制して赤のノイズアーティファクトを除去し、学習可能な強度は低照度領域を圧縮して黒のノイズアーティファクトを除去する。 さらに,HVI色空間上に構築されたカラー・インテンシティ・デカップリングネットワーク+(HVI-CIDNet+)を導入し,損傷したコンテンツを復元し,極暗い地域での色歪みを軽減する。 具体的には、HVI-CIDNet+は、事前学習された視覚言語モデルを用いて低照度画像から抽出された豊富な文脈的および劣化した知識を活用し、新規な事前誘導注意ブロック(PAB)を介して統合する。 PAB内では、遅延セマンティックプリエントがコンテンツの復元を促進する一方で、劣化した表現は、特に極暗い領域において、微妙に設計されたクロスアテンション融合機構を通じて、正確な色補正を導く。 さらに,情報量の多い地域での畳み込みと,情報量の多い地域での自己注意を利用して,正確な明るさ調整を実現する領域制限ブロックを構築した。 ベンチマーク実験による総合的な結果は、提案されたHVI-CIDNet+が10のデータセット上で最先端の手法より優れていることを示している。

関連論文リスト

• HVI: A New Color Space for Low-light Image Enhancement [58.8280819306909]
  水平/垂直インテンシティ(HVI)に基づく低照度画像強調(LLIE)のための新しい色空間を提案する。 HVIは分極されたHSマップと学習可能な強度で定義され、一方後者は黒のアーティファクトを除去するために低照度領域を圧縮する。 色と強度の情報をフル活用するために、新しい色と強度のデカップリングネットワーク(CIDNet)を導入する。
  論文  参考訳（メタデータ） (2025-02-27T16:59:51Z)
• Sagiri: Low Dynamic Range Image Enhancement with Generative Diffusion Prior [26.93312785388343]
  8ビットカメラを用いた高ダイナミックレンジの風景は、しばしばオーバー/アンダー露、低ビット深度圧縮による細部の詳細の喪失、歪んだ色分布、暗黒領域の強いノイズに悩まされる。 従来のLDR画像強調法は主に色マッピングに重点を置いており、画像の色域を拡大し、明るさを調整することで視覚的表現を強化する。 そこで本研究では,HDR画像における課題の全範囲を克服し,現行モデルの限界を超える2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:58:40Z)
• You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
  低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。 水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。 輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
  論文  参考訳（メタデータ） (2024-02-08T16:47:43Z)
• Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
  2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。 カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。 LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
  論文  参考訳（メタデータ） (2021-03-19T04:00:27Z)

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。