論文の概要: CANDLE: Illumination-Invariant Semantic Priors for Color Ambient Lighting Normalization

• arxiv url: http://arxiv.org/abs/2604.02785v1
• Date: Fri, 03 Apr 2026 06:49:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.360294
• Title: CANDLE: Illumination-Invariant Semantic Priors for Color Ambient Lighting Normalization
• Title（参考訳）: CANDLE:カラーアンビエント照明正規化のための照明不変セマンティック前駆体
• Authors: Rong-Lin Jian, Ting-Yao Chen, Yu-Fan Lin, Chia-Ming Lee, Fu-En Yang, Yu-Chiang Frank Wang, Chih-Chung Hsu,
• Abstract要約: CANDLE(Color Ambient Normalization with DINO Layer Enhancement)を提案する。 CanDLE は NTIRE 2026 ALN カラーライティングチャレンジで3位、ホワイトライティングトラックで2位、FIDが最も低い。
• 参考スコア（独自算出の注目度）: 39.48396197612563
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Color ambient lighting normalization under multi-colored illumination is challenging due to severe chromatic shifts, highlight saturation, and material-dependent reflectance. Existing geometric and low-level priors are insufficient for recovering object-intrinsic color when illumination-induced chromatic bias dominates. We observe that DINOv3's self-supervised features remain highly consistent between colored-light inputs and ambient-lit ground truth, motivating their use as illumination-robust semantic priors. We propose CANDLE (Color Ambient Normalization with DINO Layer Enhancement), which introduces DINO Omni-layer Guidance (D.O.G.) to adaptively inject multi-layer DINOv3 features into successive encoder stages, and a color-frequency refinement design (BFACG + SFFB) to suppress decoder-side chromatic collapse and detail contamination. Experiments on CL3AN show a +1.22 dB PSNR gain over the strongest prior method. CANDLE achieves 3rd place on the NTIRE 2026 ALN Color Lighting Challenge and 2nd place in fidelity on the White Lighting track with the lowest FID, confirming strong generalization across both chromatic and luminance-dominant illumination conditions. Code is available at https://github.com/ron941/CANDLE.
• Abstract（参考訳）: 多色照明下での色環境光の正規化は、色調シフト、強調彩度、材質依存反射率により困難である。 既存の幾何学的および低レベルの先行は、照明誘起色偏差が支配される場合、対象-固有色を回復するには不十分である。 我々は、DINOv3の自己監督的特徴が、色光入力と周囲光の接地真実の間に非常に整合性を維持しており、照度ロバストなセマンティックプリエントとしての利用を動機付けていることを観察した。 CANDLE (Color Ambient Normalization with DINO Layer Enhancement) は,DINO Omni-layer Guidance (D.O.G.)を導入し,多層DINOv3特徴を連続的なエンコーダステージに適応的に注入し,デコーダ側の色分解と詳細な汚染を抑制するためのカラー周波数改善設計 (BFACG + SFFB) を提案する。 CL3ANの実験では、最強の先行法よりも+1.22dBのPSNRが上昇した。 CANDLE は NTIRE 2026 ALN カラーライティングチャレンジで3位を獲得し、最も低い FID でホワイトライティングトラックで2位を獲得し、色と輝度が支配的な照明条件の双方で強い一般化を確認した。 コードはhttps://github.com/ron941/CANDLEで公開されている。

関連論文リスト

• Unifying Color and Lightness Correction with View-Adaptive Curve Adjustment for Robust 3D Novel View Synthesis [73.27997579020233]
  多様な照明条件下での堅牢なNVSのための3DGSベースのフレームワークであるLuminance-GS++を提案する。 本手法は,グローバルな視野適応光度調整と局所画素ワイド残差補正を組み合わせ,正確な色補正を行う。
  論文  参考訳（メタデータ） (2026-02-20T16:20:50Z)
• PhaSR: Generalized Image Shadow Removal with Physically Aligned Priors [13.290464696196366]
  PhaSR(Physically Aligned Shadow removal)を提案する。 実験では、複雑さを低減し、周囲の照明を一般化したシャドウ除去において、競争性能を示す。
  論文  参考訳（メタデータ） (2026-01-24T14:15:41Z)
• Dark-EvGS: Event Camera as an Eye for Radiance Field in the Dark [51.68144172958247]
  そこで我々はDark-EvGSを提案する。Dark-EvGSは、任意の視点から明るいフレームを復元できる3D GSフレームワークである。 提案手法は,低照度条件下での放射場再構成を克服し,既存の手法よりも優れた結果が得られる。
  論文  参考訳（メタデータ） (2025-07-16T05:54:33Z)
• VQCNIR: Clearer Night Image Restoration with Vector-Quantized Codebook [16.20461368096512]
  夜景撮影は、暗い環境や長時間の露光から生じる、暗い光やぼやけなどの課題に苦しむことが多い。 私たちは、データ駆動の高品質な事前処理の強みを信じ、手動による事前処理の制限を回避するために、信頼性と一貫性のある事前処理の提供に努めています。 VQCNIR(Vector-Quantized Codebook)を用いたClearer Night Image Restorationを提案する。
  論文  参考訳（メタデータ） (2023-12-14T02:16:27Z)
• 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)
• 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)

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。