論文の概要: Evaluating Low-Light Image Enhancement Across Multiple Intensity Levels

• arxiv url: http://arxiv.org/abs/2511.15496v1
• Date: Wed, 19 Nov 2025 14:52:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.854449
• Title: Evaluating Low-Light Image Enhancement Across Multiple Intensity Levels
• Title（参考訳）: マルチインテンシティレベルにおける低照度画像強調の評価
• Authors: Maria Pilligua, David Serrano-Lozano, Pai Peng, Ramon Baldrich, Michael S. Brown, Javier Vazquez-Corral,
• Abstract要約: 制御条件下で様々な光強度で撮像された画像を含むマルチイルミネーション低照度データセットを提案する。 我々は、いくつかの最先端手法をベンチマークし、強度レベルの大きな性能変化を明らかにした。 修正により、フルHD画像上のスマートフォンのDSLRでは最大10dBPSNR、最大2dBの改善が達成される。
• 参考スコア（独自算出の注目度）: 30.012366353273222
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Imaging in low-light environments is challenging due to reduced scene radiance, which leads to elevated sensor noise and reduced color saturation. Most learning-based low-light enhancement methods rely on paired training data captured under a single low-light condition and a well-lit reference. The lack of radiance diversity limits our understanding of how enhancement techniques perform across varying illumination intensities. We introduce the Multi-Illumination Low-Light (MILL) dataset, containing images captured at diverse light intensities under controlled conditions with fixed camera settings and precise illuminance measurements. MILL enables comprehensive evaluation of enhancement algorithms across variable lighting conditions. We benchmark several state-of-the-art methods and reveal significant performance variations across intensity levels. Leveraging the unique multi-illumination structure of our dataset, we propose improvements that enhance robustness across diverse illumination scenarios. Our modifications achieve up to 10 dB PSNR improvement for DSLR and 2 dB for the smartphone on Full HD images.
• Abstract（参考訳）: 低照度環境での撮像は、シーンの輝度が低下し、センサノイズが上昇し、彩度が低下するため困難である。 ほとんどの学習ベースの低照度向上手法は、単一の低照度条件下でキャプチャされたペア化されたトレーニングデータと、十分に照らされた参照に依存している。 放射能の多様性の欠如は、様々な照明強度でエンハンスメント技術がどのように機能するかの理解を制限する。 固定カメラ設定と精密照度測定による制御条件下で様々な光強度で撮像された画像を含むマルチイルミネーション低照度(MILL)データセットを提案する。 MILLは、可変照明条件における拡張アルゴリズムの包括的評価を可能にする。 我々は、いくつかの最先端手法をベンチマークし、強度レベルの大きな性能変化を明らかにした。 データセットのユニークな多重照度構造を活用することで,様々な照明シナリオにおける堅牢性を向上させる改良を提案する。 修正により、フルHD画像上のスマートフォンのDSLRでは最大10dBPSNR、最大2dBの改善が達成される。

関連論文リスト

• LightQANet: Quantized and Adaptive Feature Learning for Low-Light Image Enhancement [65.06462316546806]
  低照度画像強調は、高品質な色とテクスチャを維持しながら照明を改善することを目的としている。 既存の手法では、低照度条件下での画素レベルの情報劣化により、信頼性の高い特徴表現の抽出に失敗することが多い。 低照度向上のための量子化・適応型特徴学習を実現する新しいフレームワークLightQANetを提案する。
  論文  参考訳（メタデータ） (2025-10-16T14:54:42Z)
• SAIGFormer: A Spatially-Adaptive Illumination-Guided Network for Low-Light Image Enhancement [58.79901582809091]
  近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。 近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。 正確な照明復元を可能にする空間適応照明誘導変圧器フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-21T11:38:56Z)
• SEE: See Everything Every Time - Adaptive Brightness Adjustment for Broad Light Range Images via Events [62.23917631871362]
  ダイナミックレンジが120億ドルを超えるイベントカメラは、従来の組込みカメラをはるかに上回っている。 本研究では,広い照明条件下で撮影した画像の明るさを拡張・適応的に調整するために,イベントをどのように利用するかという,新しい研究課題を提案する。 我々のフレームワークは、センサパターンを通して色を捉え、イベントを輝度辞書としてモデル化するためにクロスアテンションを使用し、画像のダイナミックレンジを調整し、広い光域表現を形成する。
  論文  参考訳（メタデータ） (2025-02-28T14:55:37Z)
• LUMINA-Net: Low-light Upgrade through Multi-stage Illumination and Noise Adaptation Network for Image Enhancement [26.585985828583304]
  低照度画像強調(LLIE)は、低照度条件下で撮影された画像の視覚的忠実度を高めることを目的としたコンピュータビジョンにおける重要な課題である。 LUMINA-Netは,多段照明と反射モジュールを統合することで,低照度画像ペアから適応的な事前学習を行う,教師なしのディープラーニングフレームワークである。
  論文  参考訳（メタデータ） (2025-02-21T03:37:58Z)
• Dimma: Semi-supervised Low Light Image Enhancement with Adaptive Dimming [0.728258471592763]
  自然色を維持しながら低照度画像を強調することは、カメラ処理のバリエーションによって難しい問題である。 そこで我々はDimmaを提案する。Dimmaは、画像対の小さなセットを利用して、任意のカメラと整合する半教師付きアプローチである。 そこで我々は,照明の違いに基づいて,シーンの歪み色を生成する畳み込み混合密度ネットワークを導入することで実現した。
  論文  参考訳（メタデータ） (2023-10-14T17:59:46Z)
• Diving into Darkness: A Dual-Modulated Framework for High-Fidelity Super-Resolution in Ultra-Dark Environments [51.58771256128329]
  本稿では,低照度超解像課題の性質を深く理解しようとする,特殊二変調学習フレームワークを提案する。 Illuminance-Semantic Dual Modulation (ISDM) コンポーネントを開発した。 包括的実験は、我々のアプローチが多様で挑戦的な超低照度条件に適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-09-11T06:55:32Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)

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。