論文の概要: Rethinking Nighttime Image Deraining via Learnable Color Space Transformation

• arxiv url: http://arxiv.org/abs/2510.17440v1
• Date: Mon, 20 Oct 2025 11:28:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.431582
• Title: Rethinking Nighttime Image Deraining via Learnable Color Space Transformation
• Title（参考訳）: 学習可能な色空間変換による夜間画像評価の再考
• Authors: Qiyuan Guan, Xiang Chen, Guiyue Jin, Jiyu Jin, Shumin Fan, Tianyu Song, Jinshan Pan,
• Abstract要約: 我々は、既存のデータセットよりも高調和とリアリズムを提供する新しい高品質のベンチマークHQ-NightRainを開発した。 また,夜間からの複雑な雨の除去に有効なカラー空間変換ネットワーク(CST-Net)を開発した。
• 参考スコア（独自算出の注目度）: 38.0322908418521
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compared to daytime image deraining, nighttime image deraining poses significant challenges due to inherent complexities of nighttime scenarios and the lack of high-quality datasets that accurately represent the coupling effect between rain and illumination. In this paper, we rethink the task of nighttime image deraining and contribute a new high-quality benchmark, HQ-NightRain, which offers higher harmony and realism compared to existing datasets. In addition, we develop an effective Color Space Transformation Network (CST-Net) for better removing complex rain from nighttime scenes. Specifically, we propose a learnable color space converter (CSC) to better facilitate rain removal in the Y channel, as nighttime rain is more pronounced in the Y channel compared to the RGB color space. To capture illumination information for guiding nighttime deraining, implicit illumination guidance is introduced enabling the learned features to improve the model's robustness in complex scenarios. Extensive experiments show the value of our dataset and the effectiveness of our method. The source code and datasets are available at https://github.com/guanqiyuan/CST-Net.
• Abstract（参考訳）: 夜間画像デライニングと比較すると、夜間画像デライニングは夜間シナリオの複雑さや雨と照明の結合効果を正確に表す高品質なデータセットが欠如していることから、重要な課題となっている。 本稿では、夜間画像デライン化の課題を再考し、既存のデータセットよりも高調波とリアリズムを提供する、新しい高品質なベンチマークHQ-NightRainを提案する。 また,夜間の複雑な雨の除去に有効なカラー空間変換ネットワーク (CST-Net) を開発した。 具体的には、夜間の降雨がRGB色空間と比較してYチャネルでより顕著になるため、Yチャネルでの雨の除去を容易にするための学習可能な色空間コンバータ(CSC)を提案する。 夜間デラミニングを導くための照明情報を取得するために,複雑なシナリオにおいて学習した特徴がモデルの堅牢性を向上させることができる暗黙の照明ガイダンスを導入する。 大規模な実験により、我々のデータセットの価値と方法の有効性が示された。 ソースコードとデータセットはhttps://github.com/guanqiyuan/CST-Net.comで公開されている。

関連論文リスト

• NDLPNet: A Location-Aware Nighttime Deraining Network and a Real-World Benchmark Dataset [8.582528726118023]
  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。
  論文  参考訳（メタデータ） (2025-09-17T07:24:47Z)
• The Devil is in the Darkness: Diffusion-Based Nighttime Dehazing Anchored in Brightness Perception [58.895000127068194]
  本稿では,Diffusion-based Nighttime Dehazingフレームワークについて紹介する。 輝度知覚ネットワークによって導かれる事前学習拡散モデルを統合する復元モデルを提案する。 実験では、データセットの有用性と、ジョイントヘイズ除去と輝度マッピングにおけるモデルの優れたパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-06-03T03:21:13Z)
• 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)
• 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)
• You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
  低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。 水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。 輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
  論文  参考訳（メタデータ） (2024-02-08T16:47:43Z)
• 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)
• GTAV-NightRain: Photometric Realistic Large-scale Dataset for Night-time Rain Streak Removal [30.93624632770902]
  雨は透明で、シーンの光を反射し、カメラに反射する。 既存の雨害除去データセットでは, 密度, スケール, 方向, 強度が考慮されているが, 透明性は十分に考慮されていない。 本稿では,大規模な夜間降雨ストリーク除去データセットであるGTAV-NightRainデータセットを提案する。
  論文  参考訳（メタデータ） (2022-10-10T14:08:09Z)

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。