論文の概要: AIM 2025 Challenge on Real-World RAW Image Denoising

• arxiv url: http://arxiv.org/abs/2510.06601v1
• Date: Wed, 08 Oct 2025 03:22:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.273023
• Title: AIM 2025 Challenge on Real-World RAW Image Denoising
• Title（参考訳）: AIM 2025 リアルタイムRAW画像デノイングの課題
• Authors: Feiran Li, Jiacheng Li, Marcos V. Conde, Beril Besbinar, Vlad Hosu, Daisuke Iso, Radu Timofte,
• Abstract要約: AIM 2025 Real-World RAW Image Denoising Challengeは、データ合成を基礎とした効率的で効果的な denoising 技術を推進することを目的としている。 このコンペティションは、5つの異なるDSLRカメラを使って野生で撮影された低照度ノイズ画像に挑戦する、新たに確立された評価ベンチマークの上に構築されている。 合成データに基づいて訓練されたカメラ非依存の低照度RAW画像の境界を推し進めることで、コンペティションは堅牢で実用的なモデルの開発を促進する。
• 参考スコア（独自算出の注目度）: 58.132121871352474
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We introduce the AIM 2025 Real-World RAW Image Denoising Challenge, aiming to advance efficient and effective denoising techniques grounded in data synthesis. The competition is built upon a newly established evaluation benchmark featuring challenging low-light noisy images captured in the wild using five different DSLR cameras. Participants are tasked with developing novel noise synthesis pipelines, network architectures, and training methodologies to achieve high performance across different camera models. Winners are determined based on a combination of performance metrics, including full-reference measures (PSNR, SSIM, LPIPS), and non-reference ones (ARNIQA, TOPIQ). By pushing the boundaries of camera-agnostic low-light RAW image denoising trained on synthetic data, the competition promotes the development of robust and practical models aligned with the rapid progress in digital photography. We expect the competition outcomes to influence multiple domains, from image restoration to night-time autonomous driving.
• Abstract（参考訳）: AIM 2025 Real-World RAW Image Denoising Challengeを導入する。 このコンペティションは、5つの異なるDSLRカメラを使って野生で撮影された低照度ノイズ画像に挑戦する、新たに確立された評価ベンチマークの上に構築されている。 参加者は、新しいノイズ合成パイプライン、ネットワークアーキテクチャ、異なるカメラモデル間で高いパフォーマンスを達成するためのトレーニング方法論の開発を任務とする。 勝者は、パフォーマンス指標(PSNR、SSIM、LPIPS)と非参照指標(ARNIQA、TOPIQ)の組み合わせに基づいて決定される。 このコンペティションは、合成データに基づいて訓練されたカメラ非依存の低照度RAW画像の境界を推し進めることで、デジタル写真の急速な進歩に対応する堅牢で実用的なモデルの開発を促進する。 我々は、画像復元から夜間自動運転に至るまで、競争の結果が複数の領域に影響を与えることを期待している。

関連論文リスト

• AIM 2025 Low-light RAW Video Denoising Challenge: Dataset, Methods and Results [118.03343690763597]
  本稿では,AIM 2025 (Advances in Image Manipulation) Low-Light RAW Video Denoising Challengeについて述べる。 本研究の目的は,フレームレートによる露光時間制限下での時間的冗長性を利用して,低照度RAW映像をノイズ化する手法を開発することである。 9つの条件で14個のスマートフォンカメラセンサーでキャプチャされた756個の10フレームシーケンスのベンチマークを新たに導入する。
  論文  参考訳（メタデータ） (2025-08-22T23:02:21Z)
• MIPI 2024 Challenge on Few-shot RAW Image Denoising: Methods and Results [105.4843037899554]
  MIPI 2024のRAW画像デノゲーショントラックについて概説し,概説する。 165人の参加者が登録され、7チームが最終テストフェーズで結果を提出しました。 この課題で開発されたソリューションは、Few-shot RAW Image Denoisingにおける最先端の性能を達成した。
  論文  参考訳（メタデータ） (2024-06-11T06:59:55Z)
• Joint Demosaicing and Denoising with Double Deep Image Priors [5.3686304202729]
  現代のデジタルカメラの処理パイプラインにおいて、RAW画像の復号化と復号化は重要なステップである。 最近のディープ・ニューラル・ネットワークベースのアプローチは、このような課題を緩和するために、共同の解答と妄想の有効性を示している。 本稿では,JDD-DoubleDIPと呼ばれる,RAW画像を直接操作し,トレーニングデータを必要とせずに,新たな共同復調・復調手法を提案する。
  論文  参考訳（メタデータ） (2023-09-18T01:53:10Z)
• Realistic Noise Synthesis with Diffusion Models [44.404059914652194]
  ディープラーニングモデルには、大規模な実世界のトレーニングデータが必要です。 本稿では,これらの課題に対処するために拡散モデルを用いた新しい実音合成拡散器(RNSD)法を提案する。
  論文  参考訳（メタデータ） (2023-05-23T12:56:01Z)
• NTIRE 2022 Challenge on High Dynamic Range Imaging: Methods and Results [173.32437855731752]
  この課題はCVPR 2022と共同でNTIRE(New Trends in Image Restoration and Enhancement)ワークショップの一環として行われた。 この課題は、複数の低ダイナミックレンジ(LDR)観測からHDR画像を推定することを目的としている。
  論文  参考訳（メタデータ） (2022-05-25T10:20:06Z)
• AIM 2020 Challenge on Learned Image Signal Processing Pipeline [150.55468168329926]
  本稿では,第2回AIM学習ISPチャレンジをレビューし,提案したソリューションと結果について解説する。 参加チームは現実世界のRAW-to-RGBマッピング問題を解決し、Huawei P20デバイスが捉えた品質の低いRAW画像を、Canon 5D DSLRカメラで取得したのと同じ写真にマッピングすることを目的としていた。 提案手法はベースライン結果を大幅に改善し,実用的な画像信号処理パイプラインモデリングのための最先端技術を定義した。
  論文  参考訳（メタデータ） (2020-11-10T09:25:47Z)
• NTIRE 2020 Challenge on Real Image Denoising: Dataset, Methods and Results [181.2861509946241]
  本稿は、新たに導入されたデータセットに焦点をあてて、実画像の復調に関するNTIRE 2020の課題をレビューする。 課題は、SIDDベンチマークに基づく実際の画像のデノゲーションに関する以前のNTIRE 2019チャレンジの新バージョンである。
  論文  参考訳（メタデータ） (2020-05-08T15:46:19Z)

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。