論文の概要: Anchor then Polish for Low-light Enhancement
- arxiv url: http://arxiv.org/abs/2603.15472v1
- Date: Mon, 16 Mar 2026 16:06:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 18:28:58.560894
- Title: Anchor then Polish for Low-light Enhancement
- Title（参考訳）: 低照度化のためのアンカー
- Authors: Tianle Du, Mingjia Li, Hainuo Wang, Xiaojie Guo,
- Abstract要約: 低照度画像強調は、絡み合った劣化のために困難である。
この研究は、局所的な細部の改良から地球規模のエネルギーアライメントを根本的に分離する新しいアンカー・テン・ポリッシュ(ATP)フレームワークを提案する。
提案手法は最先端の性能を実現し,視覚的に自然で量的に優れた低照度向上を実現する。
- 参考スコア（独自算出の注目度）: 10.471765109354724
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low-light image enhancement is challenging due to entangled degradations, mainly including poor illumination, color shifts, and texture interference. Existing methods often rely on complex architectures to address these issues jointly but may overfit simple physical constraints, leading to global distortions. This work proposes a novel anchor-then-polish (ATP) framework to fundamentally decouple global energy alignment from local detail refinement. First, macro anchoring is customized to (greatly) stabilize luminance distribution and correct color by learning a scene-adaptive projection matrix with merely 12 degrees of freedom, revealing that a simple linear operator can effectively align global energy. The macro anchoring then reduces the task to micro polishing, which further refines details in the wavelet domain and chrominance space under matrix guidance. A constrained luminance update strategy is designed to ensure global consistency while directing the network to concentrate on fine-grained polishing. Extensive experiments on multiple benchmarks show that our method achieves state-of-the-art performance, producing visually natural and quantitatively superior low-light enhancements.
- Abstract（参考訳）: 低照度画像の強調は、主に照明の悪さ、色の変化、テクスチャの干渉など、絡み合った劣化のために困難である。
既存の手法は、これらの問題に共同で対処するために複雑なアーキテクチャに依存することが多いが、単純な物理的制約に過度に適合し、大域的な歪みにつながる可能性がある。
この研究は、局所的な細部の改良から地球規模のエネルギーアライメントを根本的に分離する新しいアンカー・テン・ポリッシュ(ATP)フレームワークを提案する。
まず,12自由度しか持たないシーン適応プロジェクション行列を学習することにより,光度分布と正色を(極端に)安定させるようにマクロアンカーをカスタマイズし,簡便な線形演算子で大域エネルギーを効果的に整合させることができることを示した。
マクロアンカリングはタスクをマイクロ研磨に還元し、ウェーブレット領域とマトリクス誘導の下でのクロミナンス空間の詳細をさらに洗練する。
制約された輝度更新戦略は、ネットワークに微細な研磨に集中させながら、グローバルな一貫性を確保するために設計されている。
複数のベンチマーク実験により,本手法が最先端の性能を実現し,視覚的に自然で定量的に優れた低照度向上を実現していることが示された。
関連論文リスト
- Breaking Complexity Barriers: High-Resolution Image Restoration with Rank Enhanced Linear Attention [54.42902794496325]
ソフトマックスアテンションの変種である線形アテンションは、グローバルコンテキストモデリングにおける約束を示す。
軽量な奥行き畳み込みを統合することで特徴表現を充実させる簡易かつ効果的な方法であるRランク拡張線形アテンション(RELA)を提案する。
本稿では,RELA をベースとした画像復元変換器 LAformer を提案する。
論文 参考訳（メタデータ） (2025-05-22T02:57:23Z) - Adaptive Low Light Enhancement via Joint Global-Local Illumination Adjustment [0.0]
低照度画像における局所的な露光の不整合に対処する新しい明るさ適応型拡張フレームワークを提案する。
提案手法は,最先端のアルゴリズムと比較して,定量的,定性的な結果が得られる。
論文 参考訳（メタデータ） (2025-04-01T03:46:28Z) - TSCnet: A Text-driven Semantic-level Controllable Framework for Customized Low-Light Image Enhancement [30.498816319802412]
そこで本研究では,アクセプティブ駆動,セマンティックレベル,量的明るさ調整による照明制御をカスタマイズする,新たな光強調タスクとフレームワークを提案する。
ベンチマークデータセットの実験結果は、可視性を高め、自然な色バランスを維持し、アーティファクトを作成することなく詳細を増幅するフレームワークの優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-03-11T08:30:50Z) - 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) - 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) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳（メタデータ） (2023-08-16T08:46:51Z) - Cycle-Interactive Generative Adversarial Network for Robust Unsupervised
Low-Light Enhancement [109.335317310485]
CIGAN(Cycle-Interactive Generative Adversarial Network)は、低照度画像間の照明分布の転送を改善できるだけでなく、詳細な信号も操作できる。
特に、提案した低照度誘導変換は、低照度GAN生成器から劣化GAN生成器へ、低照度画像の特徴をフォワードする。
論文 参考訳（メタデータ） (2022-07-03T06:37:46Z)
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。