論文の概要: LightsOut: Diffusion-based Outpainting for Enhanced Lens Flare Removal
- arxiv url: http://arxiv.org/abs/2510.15868v1
- Date: Fri, 17 Oct 2025 17:59:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-20 20:17:34.739583
- Title: LightsOut: Diffusion-based Outpainting for Enhanced Lens Flare Removal
- Title（参考訳）: LightsOut: レンズフレア除去のための拡散塗装
- Authors: Shr-Ruei Tsai, Wei-Cheng Chang, Jie-Ying Lee, Chih-Hai Su, Yu-Lun Liu,
- Abstract要約: 最近のSingle Image Flareectomy (SIFR) 法は、オフフレーム光源が不完全または不完全である場合に性能が良くない。
オフフレーム光源の再構成によるSIFR向上に適した拡散型アウトペイントフレームワークであるLightsOutを提案する。
- 参考スコア（独自算出の注目度）: 9.630836108320485
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lens flare significantly degrades image quality, impacting critical computer vision tasks like object detection and autonomous driving. Recent Single Image Flare Removal (SIFR) methods perform poorly when off-frame light sources are incomplete or absent. We propose LightsOut, a diffusion-based outpainting framework tailored to enhance SIFR by reconstructing off-frame light sources. Our method leverages a multitask regression module and LoRA fine-tuned diffusion model to ensure realistic and physically consistent outpainting results. Comprehensive experiments demonstrate LightsOut consistently boosts the performance of existing SIFR methods across challenging scenarios without additional retraining, serving as a universally applicable plug-and-play preprocessing solution. Project page: https://ray-1026.github.io/lightsout/
- Abstract（参考訳）: レンズフレアは画像の品質を著しく低下させ、物体検出や自律運転といった重要なコンピュータビジョンタスクに影響を及ぼす。
最近のSingle Image Flareectomy (SIFR) 法は、オフフレーム光源が不完全または不完全である場合に性能が良くない。
オフフレーム光源の再構成によるSIFR向上に適した拡散型アウトペイントフレームワークであるLightsOutを提案する。
提案手法は,マルチタスク回帰モジュールとLoRA微調整拡散モデルを利用して,現実的かつ物理的に一貫した結果を保証する。
包括的な実験では、LightsOutが既存のSIFRメソッドのパフォーマンスを、追加の再トレーニングなしで継続的に向上させ、汎用的なプラグアンドプレイプリプロセッシングソリューションとして機能させる。
プロジェクトページ: https://ray-1026.github.io/lightsout/
関連論文リスト
- ReLumix: Extending Image Relighting to Video via Video Diffusion Models [5.890782804843724]
ビデオのポストプロダクション中に照明を制御することは、計算写真において重要な目標である。
本稿では、時間合成からリライトを分離する新しいフレームワークであるReLumixを紹介する。
ReLumixは、合成データに基づいて訓練されているが、実世界のビデオに対する競争上の一般化を示している。
論文 参考訳（メタデータ） (2025-09-28T09:35:33Z) - DiffusionLight-Turbo: Accelerated Light Probes for Free via Single-Pass Chrome Ball Inpainting [35.025921847344044]
そこで本研究では,単一低ダイナミックレンジ(LDR)画像からの照明をクロムボール塗布問題として再検討する手法を提案する。
このアプローチは、既存の手法の一般化失敗を克服するために、事前訓練された拡散モデルである安定拡散XLを利用する。
論文 参考訳（メタデータ） (2025-07-02T02:47:01Z) - LightLab: Controlling Light Sources in Images with Diffusion Models [49.83835236202516]
画像中の光源を微細かつパラメトリックに制御する拡散法を提案する。
我々は、光の線形性を利用して、ターゲット光源または周囲照明の制御された光の変化を描写した画像対を合成する。
提案手法は, ユーザの好みに基づいて, 従来の方法よりも優れた光編集結果が得られることを示す。
論文 参考訳（メタデータ） (2025-05-14T17:57:27Z) - Light-A-Video: Training-free Video Relighting via Progressive Light Fusion [52.420894727186216]
Light-A-Videoは、時間的にスムーズなビデオリライティングを実現するためのトレーニング不要のアプローチである。
Light-A-Videoは、画像のリライティングモデルに適応して、照明の一貫性を高める2つの重要な技術を導入している。
論文 参考訳（メタデータ） (2025-02-12T17:24:19Z) - RelitLRM: Generative Relightable Radiance for Large Reconstruction Models [52.672706620003765]
本稿では,新しい照明下での3Dオブジェクトの高品質なガウススプレイティング表現を生成するためのRelitLRMを提案する。
複雑なキャプチャと遅い最適化を必要とする従来の逆レンダリングとは異なり、RelitLRMはフィードフォワードトランスフォーマーベースのモデルを採用している。
スパースビューフィードフォワードRelitLRMは、最先端の密集ビュー最適化ベースラインに対して、競争力のあるリライティング結果を提供する。
論文 参考訳（メタデータ） (2024-10-08T17:40:01Z) - Zero-Reference Lighting Estimation Diffusion Model for Low-Light Image Enhancement [2.9873893715462185]
ゼロLEDと呼ばれる低照度画像強調のための新しいゼロ参照光推定拡散モデルを提案する。
拡散モデルの安定収束能力を利用して、低照度領域と実常照度領域の間のギャップを埋める。
ゼロ参照学習を通じてペアのトレーニングデータへの依存を緩和する。
論文 参考訳（メタデータ） (2024-03-05T11:39:17Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳（メタデータ） (2023-08-31T04:58:17Z) - 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)
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。