論文の概要: Rethinking Efficient Hierarchical Mixing Architecture for Low-light RAW Image Enhancement

• arxiv url: http://arxiv.org/abs/2510.15497v1
• Date: Fri, 17 Oct 2025 10:09:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.569517
• Title: Rethinking Efficient Hierarchical Mixing Architecture for Low-light RAW Image Enhancement
• Title（参考訳）: 低照度RAW画像強調のための効率的な階層混合アーキテクチャの再考
• Authors: Xianmin Chen, Peiliang Huang, Longfei Han, Dingwen Zhang, Junwei Han,
• Abstract要約: 高速低照度画像信号処理(ISP)のための階層混合アーキテクチャ(HiMA)を提案する。 HiMAはTransformerとMambaモジュールの相補的な長所を利用して、大規模かつ小規模な機能を処理する。 局所的な変動が強い不均一照明に対処するため,LoDA(Local Distribution Adjustment)を提案する。 さらに,第1段階からの復号化出力をフル活用するために,MPFモジュールを設計する。
• 参考スコア（独自算出の注目度）: 70.94252289772685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-light RAW image enhancement remains a challenging task. Although numerous deep learning based approaches have been proposed, they still suffer from inherent limitations. A key challenge is how to simultaneously achieve strong enhancement quality and high efficiency. In this paper, we rethink the architecture for efficient low-light image signal processing (ISP) and introduce a Hierarchical Mixing Architecture (HiMA). HiMA leverages the complementary strengths of Transformer and Mamba modules to handle features at large and small scales, respectively, thereby improving efficiency while avoiding the ambiguities observed in prior two-stage frameworks. To further address uneven illumination with strong local variations, we propose Local Distribution Adjustment (LoDA), which adaptively aligns feature distributions across different local regions. In addition, to fully exploit the denoised outputs from the first stage, we design a Multi-prior Fusion (MPF) module that integrates spatial and frequency-domain priors for detail enhancement. Extensive experiments on multiple public datasets demonstrate that our method outperforms state-of-the-art approaches, achieving superior performance with fewer parameters. Code will be released at https://github.com/Cynicarlos/HiMA.
• Abstract（参考訳）: 低照度RAW画像の強調は依然として難しい課題である。 多くのディープラーニングベースのアプローチが提案されているが、それらは依然として固有の制限に悩まされている。 重要な課題は、いかにして強力な強化品質と高い効率を同時に達成するかである。 本稿では,高効率低照度画像信号処理(ISP)のアーキテクチャを再考し,階層混合アーキテクチャ(HiMA)を導入する。 HiMAはTransformerとMambaモジュールの相補的な強度を活用して,それぞれが大規模かつ小規模な機能を扱う。 そこで本研究では,地域ごとの特徴分布を適応的に調整するLoDA(Local Distribution Adjustment)を提案する。 さらに,第1段階からの復号化出力をフル活用するために,空間領域と周波数領域の事前処理を統合したMPFモジュールを設計した。 複数の公開データセットに対する大規模な実験により、我々の手法は最先端の手法よりも優れ、パラメータが少なくて優れた性能を実現していることが示された。 コードはhttps://github.com/Cynicarlos/HiMA.comでリリースされる。

関連論文リスト

• High-resolution Photo Enhancement in Real-time: A Laplacian Pyramid Network [73.19214585791268]
  本稿では,LLF-LUT++と呼ばれるピラミッドネットワークについて紹介する。 具体的には,ダウンサンプリング画像のグローバル音節特性を活かした画像適応型3D LUTを利用する。 LLF-LUT++は、HDR+データセット上でPSNRが2.64dB改善されただけでなく、4K解像度の画像を1つのGPUでわずか13msで処理することで、さらに削減されている。
  論文  参考訳（メタデータ） (2025-10-13T16:52:32Z)
• Laplace-Mamba: Laplace Frequency Prior-Guided Mamba-CNN Fusion Network for Image Dehazing [25.05616740190157]
  Laplace-Mambaは、Laplaceの周波数とハイブリッドのMamba-CNNアーキテクチャを統合し、効率的な画像デハージングを実現する新しいフレームワークである。 本手法は, 修復の質と効率の両面において, 最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2025-07-01T07:15:26Z)
• VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
  状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。 大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。 水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。 本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
  論文  参考訳（メタデータ） (2025-05-02T12:21:44Z)
• Striving for Faster and Better: A One-Layer Architecture with Auto Re-parameterization for Low-Light Image Enhancement [50.93686436282772]
  我々は、視覚的品質と計算効率の両方から、画像エンハンサーの限界を掘り下げることを目指している。 タスク要求を再考することにより、視覚的品質と計算効率がモデル学習と構造設計に対応する、明示的な接続を構築する。 最終的には、単一の畳み込み層のみを使用して、優れた視覚的品質を維持しながら、効率的な低照度画像強調を実現する。
  論文  参考訳（メタデータ） (2025-02-27T08:20:03Z)
• Multi-Head Attention Residual Unfolded Network for Model-Based Pansharpening [2.874893537471256]
  展開融合法は、ディープラーニングの強力な表現能力とモデルベースアプローチの堅牢性を統合する。 本稿では,衛星画像融合のためのモデルに基づく深部展開手法を提案する。 PRISMA、Quickbird、WorldView2データセットの実験結果から、本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2024-09-04T13:05:00Z)
• Searching a Compact Architecture for Robust Multi-Exposure Image Fusion [55.37210629454589]
  2つの大きなスタブリングブロックは、画素の不一致や非効率な推論など、開発を妨げる。 本研究では,高機能なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを取り入れたアーキテクチャ検索に基づくパラダイムを提案する。 提案手法は様々な競争方式より優れており、一般的なシナリオではPSNRが3.19%向上し、不整合シナリオでは23.5%向上した。
  論文  参考訳（メタデータ） (2023-05-20T17:01:52Z)

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。