論文の概要: Exploring Fourier Prior and Event Collaboration for Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2508.00308v1
- Date: Fri, 01 Aug 2025 04:25:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-04 18:08:53.73588
- Title: Exploring Fourier Prior and Event Collaboration for Low-Light Image Enhancement
- Title（参考訳）: 低照度画像強調のためのフーリエ先行とイベント協調の探索
- Authors: Chunyan She, Fujun Han, Chengyu Fang, Shukai Duan, Lidan Wang,
- Abstract要約: イベントカメラは低照度画像強調のための性能向上を提供する。
現在、既存のイベントベースのメソッドは、フレームとイベントを直接単一のモデルにフィードする。
本稿では,振幅-位相絡み付き可視性回復ネットワークを提案する。
第2段階では、空間的ミスマッチを軽減するために、動的アライメントを伴う融合戦略を提案する。
- 参考スコア（独自算出の注目度）: 1.8724535169356553
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The event camera, benefiting from its high dynamic range and low latency, provides performance gain for low-light image enhancement. Unlike frame-based cameras, it records intensity changes with extremely high temporal resolution, capturing sufficient structure information. Currently, existing event-based methods feed a frame and events directly into a single model without fully exploiting modality-specific advantages, which limits their performance. Therefore, by analyzing the role of each sensing modality, the enhancement pipeline is decoupled into two stages: visibility restoration and structure refinement. In the first stage, we design a visibility restoration network with amplitude-phase entanglement by rethinking the relationship between amplitude and phase components in Fourier space. In the second stage, a fusion strategy with dynamic alignment is proposed to mitigate the spatial mismatch caused by the temporal resolution discrepancy between two sensing modalities, aiming to refine the structure information of the image enhanced by the visibility restoration network. In addition, we utilize spatial-frequency interpolation to simulate negative samples with diverse illumination, noise and artifact degradations, thereby developing a contrastive loss that encourages the model to learn discriminative representations. Experiments demonstrate that the proposed method outperforms state-of-the-art models.
- Abstract（参考訳）: イベントカメラは、高ダイナミックレンジと低レイテンシの恩恵を受け、低照度画像拡張のパフォーマンス向上を提供する。
フレームベースのカメラとは異なり、非常に高時間分解能で強度変化を記録し、十分な構造情報を取得する。
現在、既存のイベントベースのメソッドは、モダリティ固有の利点を完全に活用することなく、フレームとイベントを直接単一のモデルにフィードし、パフォーマンスを制限している。
したがって、各感知モードの役割を解析することにより、拡張パイプラインを可視性回復と構造改善の2段階に分離する。
第1段階では、フーリエ空間における振幅成分と位相成分の関係を再考することにより、振幅-位相絡み付き可視性回復ネットワークを設計する。
第2段階では、動的アライメントを伴う融合戦略を提案し、視認性回復ネットワークによって強化された画像の構造情報を洗練することを目的として、2つの感度モード間の時間分解差による空間的ミスマッチを緩和する。
さらに、空間周波数補間を利用して、様々な照明、ノイズ、アーティファクトの劣化を伴う負のサンプルをシミュレートし、モデルが識別表現を学習することを奨励する対照的な損失を発生させる。
実験により,提案手法は最先端モデルより優れていることが示された。
関連論文リスト
- Degradation-Consistent Learning via Bidirectional Diffusion for Low-Light Image Enhancement [15.619960776528362]
低照度画像強調は、劣化した画像の視認性を改善し、人間の視覚的知覚とよりよく一致させることを目的としている。
本稿では,低照度画像と通常照度画像の両方の劣化過程を共同でモデル化する双方向拡散最適化機構を提案する。
本手法は,定量評価と定性評価の両方において最先端の手法より優れている。
論文 参考訳（メタデータ） (2025-07-24T07:21:23Z) - 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) - Bidirectional Image-Event Guided Low-Light Image Enhancement [18.482432245937247]
極端に低照度な条件下では、伝統的なフレームベースのカメラは、ダイナミックレンジと時間分解能が限られており、撮影画像の細部が失われ、動きがぼやけている。
このボトルネックを克服するため、研究者はイベントカメラを導入し、イベント誘導低照度画像強調アルゴリズムを提案した。
しかし, これらの手法は, ダイナミック照明条件による大域的低周波雑音の影響を無視し, スパース事象データにおける局所構造の不連続性も無視する。
論文 参考訳（メタデータ） (2025-06-06T14:28:17Z) - InstaRevive: One-Step Image Enhancement via Dynamic Score Matching [66.97989469865828]
InstaReviveは、強力な生成能力を活用するためにスコアベースの拡散蒸留を利用する画像強調フレームワークである。
私たちのフレームワークは、さまざまな課題やデータセットにまたがって、高品質で視覚的に魅力的な結果を提供します。
論文 参考訳（メタデータ） (2025-04-22T01:19:53Z) - Nonlocal Retinex-Based Variational Model and its Deep Unfolding Twin for Low-Light Image Enhancement [3.174882428337821]
本稿では,Retinex分解に基づく低照度画像強調のための変分法を提案する。
低照度画像に色補正前処理ステップを適用し、分解時に観察された入力として使用する。
我々は、演算子を学習可能なネットワークに置き換える深層展開モデルを導入することにより、モデルを拡張する。
論文 参考訳（メタデータ） (2025-04-10T14:48:26Z) - FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [63.87313550399871]
画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。
自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。
PSTは、画像基礎モデルと潜在空間アライメントによるクロスモーダルな知識伝達を確立する。
FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。
論文 参考訳（メタデータ） (2025-03-25T15:04:53Z) - Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。
本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
論文 参考訳（メタデータ） (2024-11-17T17:45:37Z) - 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) - Zero-Reference Lighting Estimation Diffusion Model for Low-Light Image Enhancement [2.9873893715462185]
ゼロLEDと呼ばれる低照度画像強調のための新しいゼロ参照光推定拡散モデルを提案する。
拡散モデルの安定収束能力を利用して、低照度領域と実常照度領域の間のギャップを埋める。
ゼロ参照学習を通じてペアのトレーニングデータへの依存を緩和する。
論文 参考訳（メタデータ） (2024-03-05T11:39:17Z) - Mutual Information-driven Triple Interaction Network for Efficient Image
Dehazing [54.168567276280505]
画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。
振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。
第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
論文 参考訳（メタデータ） (2023-08-14T08:23:58Z) - Invertible Network for Unpaired Low-light Image Enhancement [78.33382003460903]
本稿では,非可逆的ネットワークを活用して,前処理における低照度画像の強化と,非対向学習により逆向きに通常の照度画像の劣化を図ることを提案する。
対向的損失に加えて、トレーニングの安定性を確保し、より詳細な画像を保存するために、様々な損失関数を設計する。
低照度画像に対するプログレッシブ自己誘導強調処理を提案し,SOTAに対して良好な性能を示す。
論文 参考訳（メタデータ） (2021-12-24T17:00:54Z) - TimeLens: Event-based Video Frame Interpolation [54.28139783383213]
本稿では,合成法とフロー法の両方の利点を生かした,等価寄与法であるTime Lensを紹介する。
最先端のフレームベースおよびイベントベース手法よりもPSNRが最大5.21dB向上したことを示す。
論文 参考訳（メタデータ） (2021-06-14T10:33:47Z)
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。