論文の概要: ICLR: Inter-Chrominance and Luminance Interaction for Natural Color Restoration in Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2511.13607v1
- Date: Mon, 17 Nov 2025 17:12:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 18:52:09.628632
- Title: ICLR: Inter-Chrominance and Luminance Interaction for Natural Color Restoration in Low-Light Image Enhancement
- Title（参考訳）: ICLR:低照度画像強調のための自然色復元のための色間相互作用と発光相互作用
- Authors: Xin Xu, Hao Liu, Wei Liu, Wei Wang, Jiayi Wu, Kui Jiang,
- Abstract要約: 低照度画像強調(LLIE)タスクは、低照度で撮影された画像の詳細とテクスチャを復元しながらコントラストを改善することを目的としている。
HVI色空間は、色と輝度の正確な分離を可能にすることで、このタスクにおいて大きな進歩を遂げた。
本稿では,Dual-stream Interaction Enhancement Module (DIEM)とCovariance Correction Loss (CCL)を含むICLR(Inter-Chrominance and Luminance Interaction)フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 43.13923532996694
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-Light Image Enhancement (LLIE) task aims at improving contrast while restoring details and textures for images captured in low-light conditions. HVI color space has made significant progress in this task by enabling precise decoupling of chrominance and luminance. However, for the interaction of chrominance and luminance branches, substantial distributional differences between the two branches prevalent in natural images limit complementary feature extraction, and luminance errors are propagated to chrominance channels through the nonlinear parameter. Furthermore, for interaction between different chrominance branches, images with large homogeneous-color regions usually exhibit weak correlation between chrominance branches due to concentrated distributions. Traditional pixel-wise losses exploit strong inter-branch correlations for co-optimization, causing gradient conflicts in weakly correlated regions. Therefore, we propose an Inter-Chrominance and Luminance Interaction (ICLR) framework including a Dual-stream Interaction Enhancement Module (DIEM) and a Covariance Correction Loss (CCL). The DIEM improves the extraction of complementary information from two dimensions, fusion and enhancement, respectively. The CCL utilizes luminance residual statistics to penalize chrominance errors and balances gradient conflicts by constraining chrominance branches covariance. Experimental results on multiple datasets show that the proposed ICLR framework outperforms state-of-the-art methods.
- Abstract（参考訳）: 低照度画像強調(LLIE)タスクは、低照度で撮影された画像の詳細とテクスチャを復元しながらコントラストを改善することを目的としている。
HVI色空間は、色と輝度の正確な分離を可能にすることで、このタスクにおいて大きな進歩を遂げた。
しかし,色度と輝度の相互作用については,自然画像に代表される2つの枝間の分布差は相補的特徴抽出を制限し,輝度誤差は非線形パラメータを通して色度チャネルに伝播する。
さらに, 異なる発色枝間の相互作用については, 集中分布による発色枝間の相関が弱いのが普通である。
従来のピクセル単位の損失は、コ最適化のための強いブランチ間相関を利用しており、弱い相関領域における勾配の衝突を引き起こす。
そこで本稿では,Dual-stream Interaction Enhancement Module (DIEM) と Covariance Correction Loss (CCL) を含むICLR(Inter-Chrominance and Luminance Interaction) フレームワークを提案する。
DIEMは、それぞれ融合と拡張の2次元から補完情報の抽出を改善する。
CCLは、輝度残差統計を利用して、発色誤差をペナル化し、発色枝の共分散を制限することによって勾配の衝突を均衡させる。
複数のデータセットに対する実験結果から,提案したICLRフレームワークは最先端の手法よりも優れていることがわかった。
関連論文リスト
- Degradation-Consistent Learning via Bidirectional Diffusion for Low-Light Image Enhancement [15.619960776528362]
低照度画像強調は、劣化した画像の視認性を改善し、人間の視覚的知覚とよりよく一致させることを目的としている。
本稿では,低照度画像と通常照度画像の両方の劣化過程を共同でモデル化する双方向拡散最適化機構を提案する。
本手法は,定量評価と定性評価の両方において最先端の手法より優れている。
論文 参考訳（メタデータ） (2025-07-24T07:21:23Z) - Bidirectional Image-Event Guided Fusion Framework for Low-Light Image Enhancement [24.5584423318892]
極端に低照度な条件下では、フレームベースのカメラは、ダイナミックレンジの制限により、細部が著しく失われる。
近年の研究では、イベント誘導型低照度画像強調のためのイベントカメラが導入されている。
低光画像強調のための双方向画像イベント誘導融合フレームワークBiLIEを提案する。
論文 参考訳（メタデータ） (2025-06-06T14:28:17Z) - An Adaptive Underwater Image Enhancement Framework via Multi-Domain Fusion and Color Compensation [0.6144680854063939]
水中光学イメージングは、光吸収、散乱、色歪みによって著しく劣化する。
本稿では,照明補償,マルチドメインフィルタリング,動的色補正を統合した適応型拡張フレームワークを提案する。
ベンチマークデータセットを用いた実験結果から,コントラスト強化,色補正,構造保存における最先端手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2025-03-05T16:19:56Z) - LTCF-Net: A Transformer-Enhanced Dual-Channel Fourier Framework for Low-Light Image Restoration [1.049712834719005]
低照度画像の高精細化を目的とした新しいネットワークアーキテクチャであるLTCF-Netを導入する。
提案手法では2つの色空間(LABとYUV)を用いて色情報を効率的に分離処理する。
我々のモデルは、画像コンテンツを包括的に理解するためのTransformerアーキテクチャを取り入れている。
論文 参考訳（メタデータ） (2024-11-24T07:21:17Z) - Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。
SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。
スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-19T14:24:03Z) - 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) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳（メタデータ） (2023-09-02T09:07:36Z) - Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。
カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。
LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
論文 参考訳（メタデータ） (2021-03-19T04:00:27Z) - Multi-Scale Cascading Network with Compact Feature Learning for
RGB-Infrared Person Re-Identification [35.55895776505113]
マルチスケールパートアウェアカスケードフレームワーク(MSPAC)は、マルチスケールの細かい機能を部分からグローバルに集約することによって策定されます。
したがって、クロスモダリティ相関は、特徴的モダリティ不変な特徴学習のための顕著な特徴を効率的に探索することができる。
論文 参考訳（メタデータ） (2020-12-12T15:39:11Z)
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。