論文の概要: TPCNet: Triple physical constraints for Low-light Image Enhancement

• arxiv url: http://arxiv.org/abs/2511.22052v2
• Date: Mon, 01 Dec 2025 03:00:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 15:37:38.423956
• Title: TPCNet: Triple physical constraints for Low-light Image Enhancement
• Title（参考訳）: TPCNet: 低照度画像強調のための3つの物理的制約
• Authors: Jing-Yi Shi, Ming-Fei Li, Ling-An Wu,
• Abstract要約: 低照度画像強調は、画像コントラストを改善し、色バイアスとノイズの影響を低減するために必須のコンピュータビジョンタスクである。 反射物体を理想ランバーティアンとみなす以前のRetinexベースのアルゴリズムは、モデリングプロセスにおけるスペクトル反射を無視し、画像空間における物理的な制約を構築する。 本稿では,Kubelka-Munk理論に基づいて,撮像過程における元の物理的制約を再構成する。 この理論に基づいて、物理制約はモデルの特徴空間内に構築され、TPCネットワーク(TPCNet)を得る。
• 参考スコア（独自算出の注目度）: 0.47965751151723346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-light image enhancement is an essential computer vision task to improve image contrast and to decrease the effects of color bias and noise. Many existing interpretable deep-learning algorithms exploit the Retinex theory as the basis of model design. However, previous Retinex-based algorithms, that consider reflected objects as ideal Lambertian ignore specular reflection in the modeling process and construct the physical constraints in image space, limiting generalization of the model. To address this issue, we preserve the specular reflection coefficient and reformulate the original physical constraints in the imaging process based on the Kubelka-Munk theory, thereby constructing constraint relationship between illumination, reflection, and detection, the so-called triple physical constraints (TPCs)theory. Based on this theory, the physical constraints are constructed in the feature space of the model to obtain the TPC network (TPCNet). Comprehensive quantitative and qualitative benchmark and ablation experiments confirm that these constraints effectively improve the performance metrics and visual quality without introducing new parameters, and demonstrate that our TPCNet outperforms other state-of-the-art methods on 10 datasets.
• Abstract（参考訳）: 低照度画像強調は、画像コントラストを改善し、色バイアスとノイズの影響を低減するために必須のコンピュータビジョンタスクである。 既存の解釈可能なディープラーニングアルゴリズムの多くは、モデル設計の基礎としてRetinex理論を利用している。 しかし、リフレクションオブジェクトを理想ランバーティアンとみなす以前のRetinexベースのアルゴリズムは、モデリングプロセスにおけるスペクトル反射を無視し、画像空間における物理的な制約を構築し、モデルの一般化を制限する。 この問題に対処するため、我々は鏡面反射係数を保存し、クベルカ・マンク理論に基づく撮像過程における元の物理的制約を再構成し、照明・反射・検出の制約関係を構築し、いわゆるトリプル物理制約(TPC)理論を導出する。 この理論に基づいて、物理制約はモデルの特徴空間内に構築され、TPCネットワーク(TPCNet)を得る。 総合的な定量的および定性的なベンチマークとアブレーション実験により、これらの制約は新しいパラメータを導入することなく、パフォーマンスメトリクスと視覚的品質を効果的に改善し、我々のTPCNetが10のデータセット上で、他の最先端メソッドよりも優れていることを示した。

関連論文リスト

• Total Variation Subgradient Guided Image Fusion for Dual-Camera CASSI System [3.414706880536149]
  分光画像技術は、スペクトル、空間、時間分解能のバランスをとる上で、長年にわたって根本的な課題に直面してきた。 従来のモデルベースの手法は、手作りの固有の画像に頼っているため、限られた性能を示す。 本稿では,全変動(TV)下降理論を統合したデュアルカメラCASSI再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-13T16:57:06Z)
• CausalSR: Structural Causal Model-Driven Super-Resolution with Counterfactual Inference [2.147995542780459]
  本稿では、構造因果モデルを用いて超解像を定式化し、画像劣化過程を推論する。 本稿では,意味的指導を利用して仮説的劣化シナリオを推論する新しい対実的学習戦略を提案する。 提案手法は,特に複合劣化を伴う挑戦的なシナリオにおいて,最先端手法に対する大幅な改善を実現している。
  論文  参考訳（メタデータ） (2025-01-27T08:19:17Z)
• Space-Variant Total Variation boosted by learning techniques in few-view tomographic imaging [0.0]
  本稿では,未決定の線形逆問題に対する空間変動正規化モデルの開発に焦点をあてる。 提案モデルの主な目的は,ディノベーションと細部・縁の保存のバランスを良くすることである。 畳み込みニューラルネットワークは、トレーニングにおいて弾性損失関数を用いて、基底真理像とその勾配を近似するように設計されている。
  論文  参考訳（メタデータ） (2024-04-25T08:58:41Z)
• DI-Retinex: Digital-Imaging Retinex Theory for Low-Light Image Enhancement [73.57965762285075]
  本稿では,デジタル画像におけるRetinex理論の理論的および実験的解析を通じて,Digital-Imaging Retinex theory(DI-Retinex)という新しい表現を提案する。 提案手法は, 視覚的品質, モデルサイズ, 速度の観点から, 既存の教師なし手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-04-04T09:53:00Z)
• Low-resolution Prior Equilibrium Network for CT Reconstruction [3.5639148953570836]
  本稿では,低分解能画像を導入し,ネットワークの堅牢性を改善するための効果的な正規化項を得る,新しいディープラーニングベースのCT再構成モデルを提案する。 狭角化と狭角化の両問題を実験的に検討し, ノイズ低減, コントラスト・ツー・ノイズ比, エッジ細部保存の両面において, エンド・ツー・エンドの低分解能事前平衡モデルが他の最先端手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-01-28T13:59:58Z)
• Image Inpainting via Tractable Steering of Diffusion Models [48.16994134964729]
  本稿では,トラクタブル確率モデル(TPM)の制約後部を正確に,かつ効率的に計算する能力を活用することを提案する。 具体的には、確率回路(PC)と呼ばれる表現型TPMのクラスを採用する。
  論文  参考訳（メタデータ） (2023-11-28T21:14:02Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

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。