論文の概要: DRWKV: Focusing on Object Edges for Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2507.18594v2
- Date: Wed, 13 Aug 2025 13:34:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-14 16:17:42.757613
- Title: DRWKV: Focusing on Object Edges for Low-Light Image Enhancement
- Title（参考訳）: DRWKV:低照度画像強調のためのオブジェクトエッジに焦点を当てる
- Authors: Xuecheng Bai, Yuxiang Wang, Boyu Hu, Qinyuan Jie, Chuanzhi Xu, Hongru Xiao, Kechen Li, Vera Chung,
- Abstract要約: 提案するGerbal Edge Retinex(GER)理論を統合した新しいモデルDRWKVを提案する。
第3に,バイラテラルスペクトルアリグナー (Bilateral Spectrum Aligner, Bi-SAB) とMS2-Lossを設計し, 発光特性とクロミナンス特性を協調的に調整する。
5つのLLIEベンチマークの実験により、DRWKVはPSNR、SSIM、NIQEにおいて主要な性能を発揮することが示された。
- 参考スコア（独自算出の注目度）: 9.716639844649826
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Low-light image enhancement remains a challenging task, particularly in preserving object edge continuity and fine structural details under extreme illumination degradation. In this paper, we propose a novel model, DRWKV (Detailed Receptance Weighted Key Value), which integrates our proposed Global Edge Retinex (GER) theory, enabling effective decoupling of illumination and edge structures for enhanced edge fidelity. Secondly, we introduce Evolving WKV Attention, a spiral-scanning mechanism that captures spatial edge continuity and models irregular structures more effectively. Thirdly, we design the Bilateral Spectrum Aligner (Bi-SAB) and a tailored MS2-Loss to jointly align luminance and chrominance features, improving visual naturalness and mitigating artifacts. Extensive experiments on five LLIE benchmarks demonstrate that DRWKV achieves leading performance in PSNR, SSIM, and NIQE while maintaining low computational complexity. Furthermore, DRWKV enhances downstream performance in low-light multi-object tracking tasks, validating its generalization capabilities.
- Abstract（参考訳）: 低照度画像強調は、特に極端照明劣化下でのオブジェクトエッジの連続性と微細な構造的詳細を保存する上で、依然として困難な課題である。
本稿では,GER(Global Edge Retinex)理論を統合したDRWKV(Detailed Receptance Weighted Key Value)を提案する。
次に,空間的エッジの連続性を捉えるスパイラル走査機構であるEvolving WKV Attentionを導入し,不規則構造をより効果的にモデル化する。
第3に、バイラテラルスペクトルアリグナー(Bi-SAB)とMS2-Lossを設計し、輝度と彩色特性を協調的に調整し、視覚的自然性を改善し、アーティファクトを緩和する。
5つのLLIEベンチマークの大規模な実験により、DRWKVはPSNR、SSIM、NIQEにおいて計算複雑性を低く保ちながら、主要な性能を達成することが示された。
さらに、DRWKVは低照度多目的追跡タスクの下流性能を高め、その一般化能力を検証する。
関連論文リスト
- SAIGFormer: A Spatially-Adaptive Illumination-Guided Network for Low-Light Image Enhancement [58.79901582809091]
近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。
近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。
正確な照明復元を可能にする空間適応照明誘導変圧器フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-21T11:38:56Z) - EvRWKV: A RWKV Framework for Effective Event-guided Low-Light Image Enhancement [10.556338127441167]
EvRWKVは、二重ドメイン処理による連続的な相互モーダル相互作用を実現する新しいフレームワークである。
我々は,EvRWKVが最先端性能を実現し,ノイズを抑制し,構造的詳細を復元し,低照度環境に挑戦する際の視覚的明瞭度を向上させることにより,画像品質を効果的に向上することを示す。
論文 参考訳（メタデータ） (2025-07-01T19:05:04Z) - Breaking Complexity Barriers: High-Resolution Image Restoration with Rank Enhanced Linear Attention [54.42902794496325]
ソフトマックスアテンションの変種である線形アテンションは、グローバルコンテキストモデリングにおける約束を示す。
軽量な奥行き畳み込みを統合することで特徴表現を充実させる簡易かつ効果的な方法であるRランク拡張線形アテンション(RELA)を提案する。
本稿では,RELA をベースとした画像復元変換器 LAformer を提案する。
論文 参考訳（メタデータ） (2025-05-22T02:57:23Z) - UnfoldIR: Rethinking Deep Unfolding Network in Illumination Degradation Image Restoration [33.290565892897824]
DUN(Deep Openfolding Network)は、照明劣化画像復元(IDIR)に広く利用されている。
IDIRタスクのための新しいDUNベースのUnfoldIRを提案する。
反射率支援照明補正(RAIC)モジュールと照明誘導反射率向上(IGRE)モジュールから構成される。
論文 参考訳（メタデータ） (2025-05-10T16:13:01Z) - Structure-guided Diffusion Transformer for Low-Light Image Enhancement [19.90700077104533]
我々は、低光強調タスクにDiTを導入し、新しい構造誘導拡散変換器に基づく低光強調フレームワークを設計する。
ウェーブレット変換により特徴量を圧縮し、モデルの推論効率を改善し、多方向周波数帯域を捕捉する。
さらに,構造誘導型注意ブロック(SAB)を提案し,テクスチャに富んだトークンに注意を払い,ノイズ予測におけるノイズ領域からの干渉を避ける。
論文 参考訳（メタデータ） (2025-04-21T12:30:01Z) - DSwinIR: Rethinking Window-based Attention for Image Restoration [109.38288333994407]
画像復元のための基盤となるバックボーンアーキテクチャとしてデフォルマブルスライディングウィンドウ変換器(DSwinIR)を提案する。
DSwinIRの中心には、Deformable Sliding Window (DSwin) Attentionという小説がある。
大規模な実験により、DSwinIRは幅広い画像復元タスクに新しい最先端の技術を設定できることがわかった。
論文 参考訳（メタデータ） (2025-04-07T09:24:41Z) - Deformable Radial Kernel Splatting [53.92593804734493]
Deformable Radial Kernel (DRK)を導入し,ガウススプラッティングをより汎用的で柔軟なフレームワークに拡張する。
DRKは、エッジシャープネスと境界曲率の正確な制御を可能にしながら、様々な形状プリミティブを効率的にモデル化する。
論文 参考訳（メタデータ） (2024-12-16T13:11:02Z) - Low-Light Video Enhancement via Spatial-Temporal Consistent Decomposition [52.89441679581216]
低照度ビデオエンハンスメント(LLVE)は、激しい視認性とノイズに悩まされる動的または静的なシーンの復元を目指している。
本稿では、ビューに依存しない、ビューに依存しないコンポーネントを組み込んだ革新的なビデオ分解戦略を提案する。
我々のフレームワークは、既存のメソッドを一貫して上回り、新しいSOTAパフォーマンスを確立します。
論文 参考訳（メタデータ） (2024-05-24T15:56:40Z) - Improving Bracket Image Restoration and Enhancement with Flow-guided Alignment and Enhanced Feature Aggregation [32.69740459810521]
フローガイド特徴アライメントモジュール(FFAM)と拡張特徴アグリゲーションモジュール(EFAM)による多重露光とアグリゲーションを改善するIREANetを提案する。
実験により,提案したIREANetは従来の手法と比較して最先端性能を示した。
論文 参考訳（メタデータ） (2024-04-16T07:46:55Z) - PASTA: Towards Flexible and Efficient HDR Imaging Via Progressively Aggregated Spatio-Temporal Alignment [91.38256332633544]
PASTAは、HDRデゴスティングのためのプログレッシブアグリゲーションアグリゲーション・時空間アライメントフレームワークである。
提案手法は,特徴分散中の階層的表現を活用することにより,有効性と効率性を実現する。
実験結果から,従来のSOTA法よりもPASTAの方が視覚的品質と性能の両方で優れていることが示された。
論文 参考訳（メタデータ） (2024-03-15T15:05:29Z) - VQCNIR: Clearer Night Image Restoration with Vector-Quantized Codebook [16.20461368096512]
夜景撮影は、暗い環境や長時間の露光から生じる、暗い光やぼやけなどの課題に苦しむことが多い。
私たちは、データ駆動の高品質な事前処理の強みを信じ、手動による事前処理の制限を回避するために、信頼性と一貫性のある事前処理の提供に努めています。
VQCNIR(Vector-Quantized Codebook)を用いたClearer Night Image Restorationを提案する。
論文 参考訳（メタデータ） (2023-12-14T02:16:27Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳（メタデータ） (2021-03-24T08:16:32Z)
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。