論文の概要: Row-Column Separated Attention Based Low-Light Image/Video Enhancement
- arxiv url: http://arxiv.org/abs/2602.07428v1
- Date: Sat, 07 Feb 2026 07:56:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-10 20:26:24.615603
- Title: Row-Column Separated Attention Based Low-Light Image/Video Enhancement
- Title（参考訳）: ローコラム分離アテンションに基づく低光像/映像強調
- Authors: Chengqi Dong, Zhiyuan Cao, Tuoshi Qi, Kexin Wu, Yixing Gao, Fan Tang,
- Abstract要約: 改良されたU-Netの後に挿入されたRow-Column Separated Attention Module (RCSA)を提案する。
RCSAモジュールの入力は特徴写像の行と列の平均と最大値である。
本手法を低照度映像強調に応用し,時間的整合性を維持するための2つの時間的損失関数を提案する。
- 参考スコア（独自算出の注目度）: 16.452573543316337
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: U-Net structure is widely used for low-light image/video enhancement. The enhanced images result in areas with large local noise and loss of more details without proper guidance for global information. Attention mechanisms can better focus on and use global information. However, attention to images could significantly increase the number of parameters and computations. We propose a Row-Column Separated Attention module (RCSA) inserted after an improved U-Net. The RCSA module's input is the mean and maximum of the row and column of the feature map, which utilizes global information to guide local information with fewer parameters. We propose two temporal loss functions to apply the method to low-light video enhancement and maintain temporal consistency. Extensive experiments on the LOL, MIT Adobe FiveK image, and SDSD video datasets demonstrate the effectiveness of our approach. The code is publicly available at https://github.com/cq-dong/URCSA.
- Abstract（参考訳）: U-Net構造は低照度画像/ビデオエンハンスメントに広く利用されている。
拡張された画像は、大局的なノイズを伴う領域と、より詳細な情報が失われ、グローバルな情報に対する適切なガイダンスが得られない。
注意機構は、グローバル情報に集中し、使用することができる。
しかし、画像への注目はパラメータや計算量を大幅に増加させる可能性がある。
改良されたU-Netの後に挿入されたRow-Column Separated Attention Module (RCSA)を提案する。
RCSAモジュールの入力は特徴マップの行と列の平均と最大値であり、グローバル情報を利用してローカル情報をより少ないパラメータでガイドする。
本手法を低照度映像強調に応用し,時間的整合性を維持するための2つの時間的損失関数を提案する。
LOL、MIT Adobe FiveKイメージ、SDSDビデオデータセットに関する大規模な実験は、我々のアプローチの有効性を実証している。
コードはhttps://github.com/cq-dong/URCSAで公開されている。
関連論文リスト
- Inter-Feature-Map Differential Coding of Surveillance Video [4.983842095073811]
フェールマップ間差分符号化(IFMDC)を適用して監視映像の特徴マップを圧縮する手法を提案する。
本手法は,HEVC適用時の画質劣化に敏感なビデオに対して特に有効である。
論文 参考訳（メタデータ） (2024-11-01T19:18:21Z) - Efficient Visual State Space Model for Image Deblurring [99.54894198086852]
畳み込みニューラルネットワーク(CNN)とビジョントランスフォーマー(ViT)は、画像復元において優れた性能を発揮している。
本稿では,画像のデブロアに対する簡易かつ効果的な視覚状態空間モデル(EVSSM)を提案する。
提案したEVSSMは、ベンチマークデータセットや実世界の画像に対する最先端の手法に対して好意的に機能する。
論文 参考訳（メタデータ） (2024-05-23T09:13:36Z) - OAFuser: Towards Omni-Aperture Fusion for Light Field Semantic Segmentation [48.828453331724965]
我々は,Omni-Aperture Fusion Model (OAFuser) を提案する。
提案したOAFuserは,すべての評価指標から4つのUrbanLFデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-07-28T14:43:27Z) - Unsupervised HDR Image and Video Tone Mapping via Contrastive Learning [19.346284003982035]
教師なし画像とビデオトーンマッピングのための統合フレームワーク(IVTMNet)を提案する。
ビデオトーンマッピングでは,時間的相関を効率的に活用するための時間的特徴置換(TFR)モジュールを提案する。
実験結果から,本手法は最先端画像やビデオトーンマッピング法よりも優れていた。
論文 参考訳（メタデータ） (2023-03-13T17:45:39Z) - Sliding Window Recurrent Network for Efficient Video Super-Resolution [0.0]
ビデオ超解像(VSR)は、高解像度のフレームを低解像度の入力列から復元するタスクである。
本研究では,テキストスライディングウィンドウをベースとしたリカレントネットワーク(SWRN)を提案する。
筆者らはREDSデータセットを用いて,提案手法をモバイルデバイスに適用し,視覚的に快適な結果が得られることを示した。
論文 参考訳（メタデータ） (2022-08-24T15:23:44Z) - Exploring Long- and Short-Range Temporal Information for Learned Video
Compression [54.91301930491466]
圧縮性能を高めるために,映像コンテンツの特徴を活かし,時間的情報を探究することに注力する。
本稿では,画像群(GOP)内で画像の推測中に連続的に更新できる時間前処理を提案する。
この場合、時間的事前は、現在のGOP内のすべてのデコードされた画像の貴重な時間的情報を含む。
本稿では,マルチスケール補償を実現する階層構造を設計する。
論文 参考訳（メタデータ） (2022-08-07T15:57:18Z) - Watching You: Global-guided Reciprocal Learning for Video-based Person
Re-identification [82.6971648465279]
映像に基づくRe-IDのための新しいグローバルガイド相互学習フレームワークを提案する。
我々のアプローチは他の最先端のアプローチよりも優れたパフォーマンスを達成できます。
論文 参考訳（メタデータ） (2021-03-07T12:27:42Z) - Deep Burst Super-Resolution [165.90445859851448]
バースト超解像タスクのための新しいアーキテクチャを提案する。
我々のネットワークは複数のノイズRAW画像を入力として取り出し、出力として分解された超解像RGB画像を生成する。
実世界のデータのトレーニングと評価を可能にするため,BurstSRデータセットも導入する。
論文 参考訳（メタデータ） (2021-01-26T18:57:21Z)
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。