論文の概要: Unsupervised Ultra-High-Resolution UAV Low-Light Image Enhancement: A Benchmark, Metric and Framework

• arxiv url: http://arxiv.org/abs/2509.01373v1
• Date: Mon, 01 Sep 2025 11:20:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.658614
• Title: Unsupervised Ultra-High-Resolution UAV Low-Light Image Enhancement: A Benchmark, Metric and Framework
• Title（参考訳）: 教師なし超高分解能UAV低光画像強調:ベンチマーク,メトリクス,フレームワーク
• Authors: Wei Lu, Lingyu Zhu, Si-Bao Chen,
• Abstract要約: 低照度条件は、重要な用途において無人航空機(UAV)の性能を著しく低下させる。 既存の低照度画像強調法(LIE)は、航空画像のユニークな課題に対処する。 我々は、LIEのための初の教師なしUHR UAVデータセットであるU3Dについて、統一評価ツールキットを用いて紹介する。 第二に、エッジ効率指数(EEI)は、知覚品質と主要な展開要因のバランスをとる新しい指標である。
• 参考スコア（独自算出の注目度）: 9.515570339229962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low light conditions significantly degrade Unmanned Aerial Vehicles (UAVs) performance in critical applications. Existing Low-light Image Enhancement (LIE) methods struggle with the unique challenges of aerial imagery, including Ultra-High Resolution (UHR), lack of paired data, severe non-uniform illumination, and deployment constraints. To address these issues, we propose three key contributions. First, we present U3D, the first unsupervised UHR UAV dataset for LIE, with a unified evaluation toolkit. Second, we introduce the Edge Efficiency Index (EEI), a novel metric balancing perceptual quality with key deployment factors: speed, resolution, model complexity, and memory footprint. Third, we develop U3LIE, an efficient framework with two training-only designs-Adaptive Pre-enhancement Augmentation (APA) for input normalization and a Luminance Interval Loss (L_int) for exposure control. U3LIE achieves SOTA results, processing 4K images at 23.8 FPS on a single GPU, making it ideal for real-time on-board deployment. In summary, these contributions provide a holistic solution (dataset, metric, and method) for advancing robust 24/7 UAV vision. The code and datasets are available at https://github.com/lwCVer/U3D_Toolkit.
• Abstract（参考訳）: 低照度条件は、重要な用途において無人航空機(UAV)の性能を著しく低下させる。 既存の低照度画像強調法(LIE)は、UHR(Ultra-High Resolution)、ペアデータの欠如、厳密な非均一照明、展開制約など、航空画像のユニークな課題に対処する。 これらの問題に対処するために、我々は3つの重要な貢献を提案する。 まず、LIEのための初の教師なしUHR UAVデータセットであるU3Dについて、統一評価ツールキットを用いて述べる。 第二に、エッジ効率指数(EEI)は、知覚品質と、速度、解像度、モデルの複雑さ、メモリフットプリントといった主要なデプロイメント要素をバランスさせる新しいメトリクスである。 第3に,入力正規化のための適応型事前拡張(APA)と露光制御のためのL_int(Luminance Interval Loss)の2つのトレーニング専用設計による効率的なフレームワークであるU3LIEを開発する。 U3LIEはSOTAの結果を達成し、4K画像を1つのGPUで23.8FPSで処理し、リアルタイムのオンボードデプロイメントに最適である。 まとめると、これらの貢献は24/7UAVビジョンを前進させるための全体論的ソリューション(データセット、メートル法、メソッド)を提供する。 コードとデータセットはhttps://github.com/lwCVer/U3D_Toolkit.comで公開されている。

関連論文リスト

• Towards Lightest Low-Light Image Enhancement Architecture for Mobile Devices [3.7651572719063178]
  モバイルおよび組み込みデバイス上でのリアルタイム低照度画像強調には、視覚的品質と計算効率のバランスをとるモデルが必要である。 大規模監視への依存を解消する超軽量無監督強化フレームワーク LiteIE を提案する。 LiteIEは、わずか58パラメータの4Kイメージで30 FPSで動作し、エッジデバイスへのリアルタイムデプロイメントを可能にする。
  論文  参考訳（メタデータ） (2025-07-06T07:36:47Z)
• One RL to See Them All: Visual Triple Unified Reinforcement Learning [92.90120580989839]
  V-Triuneは、視覚的推論と知覚タスクを1つのトレーニングパイプライン内で実現するビジュアルトリプル統一強化学習システムである。 V-Triuneは3つの補完的なコンポーネントで構成されている: Sample-Level Datashelf (多様なタスク入力を統一する)、Verifier-Level Reward (特殊検証を通じてカスタム報酬を提供する)。 本稿では,V-Triuneが処理する知覚タスクに対して適応的,進行的,明確なフィードバックを提供する,新しい動的IoU報酬を提案する。
  論文  参考訳（メタデータ） (2025-05-23T17:41:14Z)
• Multi-Knowledge-oriented Nighttime Haze Imaging Enhancer for Vision-driven Intelligent Systems [4.742689734374541]
  ヘイズなどの逆画像条件は、画質を著しく劣化させる。 マルチ知識指向型夜間ヘイズイメージングエンハンサー(MKoIE)を提案する。 MKoIEは、昼間の脱毛、低照度強化、夜間の脱毛という3つのタスクを統合している。
  論文  参考訳（メタデータ） (2025-02-11T08:22:21Z)
• RemDet: Rethinking Efficient Model Design for UAV Object Detection [12.652666443395528]
  無人航空機(UAV)画像における物体検出は研究の焦点領域として現れている。 現在のリアルタイム物体検出器は、UAV画像に最適化されていない。 これらの課題に対処するために,新しい検出器RemDetを提案する。
  論文  参考訳（メタデータ） (2024-12-13T11:00:57Z)
• 4D Contrastive Superflows are Dense 3D Representation Learners [62.433137130087445]
  我々は,LiDARとカメラのペアを連続的に利用して事前学習の目的を確立するための,新しいフレームワークであるSuperFlowを紹介する。 学習効率をさらに向上するため,カメラビューから抽出した知識の整合性を高めるプラグイン・アンド・プレイ・ビュー・一貫性モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2024-07-08T17:59:54Z)
• Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and Transformer-Based Method [51.30748775681917]
  低照度画像強調(LLIE)の課題を考察し,4K解像度と8K解像度の画像からなる大規模データベースを導入する。 我々は、系統的なベンチマーク研究を行い、現在のLLIEアルゴリズムと比較する。 第2のコントリビューションとして,変換器をベースとした低照度化手法であるLLFormerを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T09:05:07Z)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)

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。