論文の概要: WEC-DG: Multi-Exposure Wavelet Correction Method Guided by Degradation Description

• arxiv url: http://arxiv.org/abs/2508.09565v1
• Date: Wed, 13 Aug 2025 07:31:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.799406
• Title: WEC-DG: Multi-Exposure Wavelet Correction Method Guided by Degradation Description
• Title（参考訳）: WEC-DG:劣化記述によるマルチ露光ウェーブレット補正法
• Authors: Ming Zhao, Pingping Liu, Tongshun Zhang, Zhe Zhang,
• Abstract要約: 多重露光補正技術は、照明不足や過度な照明の影響を受ける画像の復元に不可欠である。 現在のマルチ露光補正法は、様々な照明条件によるクラス内変動に対処する際の課題となることが多い。 本稿では,分解誘導(WEC-DG)を用いたウェーブレットを用いた露光補正手法を提案する。
• 参考スコア（独自算出の注目度）: 7.873244458995218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-exposure correction technology is essential for restoring images affected by insufficient or excessive lighting, enhancing the visual experience by improving brightness, contrast, and detail richness. However, current multi-exposure correction methods often encounter challenges in addressing intra-class variability caused by diverse lighting conditions, shooting environments, and weather factors, particularly when processing images captured at a single exposure level. To enhance the adaptability of these models under complex imaging conditions, this paper proposes a Wavelet-based Exposure Correction method with Degradation Guidance (WEC-DG). Specifically, we introduce a degradation descriptor within the Exposure Consistency Alignment Module (ECAM) at both ends of the processing pipeline to ensure exposure consistency and achieve final alignment. This mechanism effectively addresses miscorrected exposure anomalies caused by existing methods' failure to recognize 'blurred' exposure degradation. Additionally, we investigate the light-detail decoupling properties of the wavelet transform to design the Exposure Restoration and Detail Reconstruction Module (EDRM), which processes low-frequency information related to exposure enhancement before utilizing high-frequency information as a prior guide for reconstructing spatial domain details. This serial processing strategy guarantees precise light correction and enhances detail recovery. Extensive experiments conducted on multiple public datasets demonstrate that the proposed method outperforms existing algorithms, achieving significant performance improvements and validating its effectiveness and practical applicability.
• Abstract（参考訳）: 多重露光補正技術は、照明不足や過度な照明の影響を受け、明るさ、コントラスト、ディテールの豊かさを改善することで視覚体験を向上させるために不可欠である。 しかしながら、現在のマルチ露光補正法は、様々な照明条件、撮影環境、気象要因によるクラス内変動に対処する上で、特に単一の露光レベルで撮像された画像を処理する際に、しばしば課題に直面する。 本稿では、複雑な撮像条件下でのこれらのモデルの適応性を高めるために、分解誘導を用いたウェーブレットベースの露光補正法を提案する。 具体的には,処理パイプラインの両端にECAM(Exposure Consistency Alignment Module)内の劣化記述子を導入し,露光の一貫性を確保し,最終的なアライメントを実現する。 このメカニズムは、既存の方法による不正な露光異常に効果的に対処し、"ブルーレッド"露光劣化を認識できない。 さらに,ウェーブレット変換の光詳細デカップリング特性について検討し,空間領域の詳細を再構成するための先行ガイドとして高周波情報を利用する前に,露光強調に関する低周波情報を処理するEDRM(Exposure Restoration and Detail Restruction Module)の設計を行った。 このシリアル処理戦略は正確な光補正を保証し、ディテールリカバリを強化する。 複数の公開データセット上で実施された大規模な実験により、提案手法は既存のアルゴリズムよりも優れ、大幅な性能向上を実現し、その有効性と実用性を検証する。

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)
• 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)
• LUMINA-Net: Low-light Upgrade through Multi-stage Illumination and Noise Adaptation Network for Image Enhancement [26.585985828583304]
  低照度画像強調(LLIE)は、低照度条件下で撮影された画像の視覚的忠実度を高めることを目的としたコンピュータビジョンにおける重要な課題である。 LUMINA-Netは,多段照明と反射モジュールを統合することで,低照度画像ペアから適応的な事前学習を行う,教師なしのディープラーニングフレームワークである。
  論文  参考訳（メタデータ） (2025-02-21T03:37:58Z)
• Reti-Diff: Illumination Degradation Image Restoration with Retinex-based Latent Diffusion Model [59.08821399652483]
  照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。 これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。 我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。 Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
  論文  参考訳（メタデータ） (2023-11-20T09:55:06Z)
• Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
  本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。 このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。 本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-10T07:53:06Z)
• CuDi: Curve Distillation for Efficient and Controllable Exposure Adjustment [86.97592472794724]
  そこで我々は, 対や不対のデータを必要とせず, 効率よくかつ制御可能な露光調整のためのCuDi曲線蒸留法を提案する。 提案手法は,ゼロ参照学習と曲線ベースのフレームワークを,実効的な低照度画像強調手法であるゼロDCEから継承する。 提案手法は, 高速で頑健でフレキシブルな性能に優れ, 実シーンにおける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） (2022-07-28T17:53:46Z)
• Variational Approach for Intensity Domain Multi-exposure Image Fusion [11.678822620192435]
  本稿では,従来の表示装置に直接表示可能な融合画像を生成する方法を提案する。 その野望は、照度が悪く、明るく照らされた地域で詳細を保存することである。
  論文  参考訳（メタデータ） (2022-07-09T06:31:34Z)

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。