論文の概要: NDLPNet: A Location-Aware Nighttime Deraining Network and a Real-World Benchmark Dataset

• arxiv url: http://arxiv.org/abs/2509.13766v1
• Date: Wed, 17 Sep 2025 07:24:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.759296
• Title: NDLPNet: A Location-Aware Nighttime Deraining Network and a Real-World Benchmark Dataset
• Title（参考訳）: NDLPNet: 位置認識型ナイトタイム評価ネットワークと実世界のベンチマークデータセット
• Authors: Huichun Liu, Xiaosong Li, Yang Liu, Xiaoqi Cheng, Haishu Tan,
• Abstract要約: 雨のストリークは夜間監視と自律航法の性能を阻害する。 我々は、NDLPNet(Nighttime Deraining Location-enhanced Perceptual Network)を提案する。 NDLPNetは、低照度環境における降雨ストリークの空間的位置情報と密度分布をキャプチャする。
• 参考スコア（独自算出の注目度）: 8.582528726118023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual degradation caused by rain streak artifacts in low-light conditions significantly hampers the performance of nighttime surveillance and autonomous navigation. Existing image deraining techniques are primarily designed for daytime conditions and perform poorly under nighttime illumination due to the spatial heterogeneity of rain distribution and the impact of light-dependent stripe visibility. In this paper, we propose a novel Nighttime Deraining Location-enhanced Perceptual Network(NDLPNet) that effectively captures the spatial positional information and density distribution of rain streaks in low-light environments. Specifically, we introduce a Position Perception Module (PPM) to capture and leverage spatial contextual information from input data, enhancing the model's capability to identify and recalibrate the importance of different feature channels. The proposed nighttime deraining network can effectively remove the rain streaks as well as preserve the crucial background information. Furthermore, We construct a night scene rainy (NSR) dataset comprising 900 image pairs, all based on real-world nighttime scenes, providing a new benchmark for nighttime deraining task research. Extensive qualitative and quantitative experimental evaluations on both existing datasets and the NSR dataset consistently demonstrate our method outperform the state-of-the-art (SOTA) methods in nighttime deraining tasks. The source code and dataset is available at https://github.com/Feecuin/NDLPNet.
• Abstract（参考訳）: 低照度条件下での雨害による視覚劣化は、夜間監視と自律航法の性能を著しく損なう。 既存の画像デラリニング技術は、主に昼間の条件のために設計されており、降雨の空間的均一性や光依存ストライプの可視性の影響により夜間の照明が不十分である。 本稿では,低照度環境における降雨ストリークの空間的位置情報と密度分布を効果的に把握する新しいNDLPNet(Nighttime Deraining Location-enhanced Perceptual Network)を提案する。 具体的には、入力データから空間的コンテキスト情報をキャプチャし、活用するための位置知覚モジュール(PPM)を導入し、異なる特徴チャネルの重要性を特定し、再検討するモデルの能力を向上する。 提案した夜間デラインネットワークは,雨害を効果的に除去し,重要な背景情報を保存することができる。 さらに,実空間の夜間シーンに基づいて,900対のイメージペアからなる夜間雨天データセットを構築し,夜間デラミニングタスク研究のための新しいベンチマークを提供する。 既存のデータセットとNSRデータセットの両方に対する広範囲な定性的および定量的な実験的評価は、夜間のデラミニング作業において、我々の手法が最先端(SOTA)メソッドより優れていることを一貫して証明している。 ソースコードとデータセットはhttps://github.com/Feecuin/NDLPNetで公開されている。

関連論文リスト

• Semi-Supervised State-Space Model with Dynamic Stacking Filter for Real-World Video Deraining [73.5575992346396]
  本稿では,ビデオシーケンスにおけるストリーク除去を改善するために,2分岐時間状態空間モデルを提案する。 マルチフレーム機能融合を改善するために,画素ワイド機能改善のための統計的フィルタを適応的に近似する動的フィルタ積層法を提案する。 降雨環境における他の視覚に基づくタスクを支援する上でのデラミニングモデルの能力をさらに探求するため,我々は新しい実世界ベンチマークを導入する。
  論文  参考訳（メタデータ） (2025-05-22T15:50:00Z)
• Panoptic-CUDAL Technical Report: Rural Australia Point Cloud Dataset in Rainy Conditions [18.246913297418686]
  雨天地におけるパノプティカルセグメンテーションを目的とした新しいデータセットであるPanoptic-CUDALデータセットについて紹介する。 高解像度のLiDAR、カメラ、ポーズデータを記録することで、Panoptic-CUDALは、挑戦的なシナリオにおいて、多種多様な情報豊富なデータセットを提供する。 本稿では、記録データの解析を行い、LiDAR点雲上でのパノプティクスおよびセマンティックセグメンテーション手法のベースライン結果を提供する。
  論文  参考訳（メタデータ） (2025-03-20T17:41:16Z)
• NPSim: Nighttime Photorealistic Simulation From Daytime Images With Monocular Inverse Rendering and Ray Tracing [0.5439020425819]
  強力な自律運転システムは、夜間を含むすべての条件下で画像を処理できなければならない。 実写夜間画像のシミュレーションを可能にするNPSimという新しい手法を提案する。 NPSimはメッシュ再構築とリライトという2つの重要なコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2025-02-15T08:24:19Z)
• Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
  夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。 具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。 提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-08-25T13:59:31Z)
• RHRSegNet: Relighting High-Resolution Night-Time Semantic Segmentation [0.0]
  夜間セマンティックセグメンテーションはコンピュータビジョンにおいて重要な課題であり、低照度条件下でのオブジェクトの正確な分類とセグメンテーションに焦点を当てている。 セマンティックセグメンテーションのための高分解能ネットワーク上でのリライトモデルを実装したRHRSegNetを提案する。 提案モデルでは、低照度画像や夜間画像においてHRnetセグメンテーション性能を5%向上させる。
  論文  参考訳（メタデータ） (2024-07-08T15:07:09Z)
• A Semi-supervised Nighttime Dehazing Baseline with Spatial-Frequency Aware and Realistic Brightness Constraint [19.723367790947684]
  実世界における夜間脱ハージングのための半教師付きモデルを提案する。 まず、空間的注意と周波数スペクトルフィルタリングを、空間周波数領域情報相互作用モジュールとして実装する。 第2に、半教師付きトレーニングプロセスにおける擬似ラベルに基づくリトレーニング戦略と局所窓ベースの輝度損失は、迷路や光を抑制するように設計されている。
  論文  参考訳（メタデータ） (2024-03-27T13:27:02Z)
• NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative Learning for Dynamic Driving Scenes [49.92839157944134]
  夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。 雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。 雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
  論文  参考訳（メタデータ） (2024-02-28T09:02:33Z)
• Disentangled Contrastive Image Translation for Nighttime Surveillance [87.03178320662592]
  夜間監視は、照明の悪さと厳しい人間のアノテーションによる劣化に悩まされる。 既存の手法では、暗黒の物体を知覚するためにマルチスペクトル画像が使われており、解像度の低さと色の不在に悩まされている。 夜間監視の究極の解決策は、夜から昼までの翻訳(Night2Day)である、と私たちは主張する。 本論文は、夜間監視研究を支援する6つのシーンを含む、NightSuRと呼ばれる新しい監視データセットに貢献する。
  論文  参考訳（メタデータ） (2023-07-11T06:40:27Z)
• Dual Degradation Representation for Joint Deraining and Low-Light Enhancement in the Dark [57.85378202032541]
  暗闇の中での雨は、自律運転や監視システム、夜間写真など、現実世界のアプリケーションをデプロイする上で大きな課題となる。 既存の低照度化や除染法は、低照度を明るくし、同時に雨を取り除くのに苦労する。 L$2$RIRNetと呼ばれるエンド・ツー・エンドのモデルを導入する。
  論文  参考訳（メタデータ） (2023-05-06T10:17:42Z)
• Let There be Light: Improved Traffic Surveillance via Detail Preserving Night-to-Day Transfer [19.33490492872067]
  画像翻訳手法を用いて,物体検出時の精度低下を悪条件に緩和する枠組みを提案する。 本稿では,GAN(Generative Adversarial Networks)による詳細な汚職を緩和するために,Kernel Prediction Network (KPN) を用いた夜間・昼間の画像翻訳の改良手法を提案する。
  論文  参考訳（メタデータ） (2021-05-11T13:18:50Z)
• Night-time Scene Parsing with a Large Real Dataset [67.11211537439152]
  我々は,夜間シーン解析(NTSP)の問題に対処することを目指しており,主な課題が2つある。 夜間データの不足に対処するため、実夜間画像4,297枚からなる新しいラベル付きデータセット、NightCityを収集した。 また,NTSP問題に対処するための露出認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-15T18:11:34Z)

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。