論文の概要: HistoFusionNet: Histogram-Guided Fusion and Frequency-Adaptive Refinement for Nighttime Image Dehazing

• arxiv url: http://arxiv.org/abs/2604.03800v1
• Date: Sat, 04 Apr 2026 17:08:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.77485
• Title: HistoFusionNet: Histogram-Guided Fusion and Frequency-Adaptive Refinement for Nighttime Image Dehazing
• Title（参考訳）: HistoFusionNet:Histogram-Guided Fusionと夜間画像復調のための周波数適応リファインメント
• Authors: Mohammad Heydari, Wei Dong, Shahram Shirani, Jun Chen, Han Zhou,
• Abstract要約: HistoFusionNetは、夜間のイメージデハージングに適したトランスフォーマー強化アーキテクチャである。 当社のチームは22の参加チームの中で1位にランクインし、当社の手法の堅牢性と競争性を強調しました。
• 参考スコア（独自算出の注目度）: 20.95434972260448
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nighttime image dehazing remains a challenging low-level vision problem due to the joint presence of haze, glow, non-uniform illumination, color distortion, and sensor noise, which often invalidate assumptions commonly used in daytime dehazing. To address these challenges, we propose HistoFusionNet, a transformer-enhanced architecture tailored for nighttime image dehazing by combining histogram-guided representation learning with frequency-adaptive feature refinement. Built upon a multi-scale encoder-decoder backbone, our method introduces histogram transformer blocks that model long-range dependencies by grouping features according to their dynamic-range characteristics, enabling more effective aggregation of similarly degraded regions under complex nighttime lighting. To further improve restoration fidelity, we incorporate a frequency-aware refinement branch that adaptively exploits complementary low- and high-frequency cues, helping recover scene structures, suppress artifacts, and enhance local details. This design yields a unified framework that is particularly well suited to the heterogeneous degradations encountered in real nighttime hazy scenes. Extensive experiments and highly competitive performance of our method on the NTIRE 2026 Nighttime Image Dehazing Challenge benchmark demonstrate the effectiveness of the proposed method. Our team ranked 1st among 22 participating teams, highlighting the robustness and competitive performance of HistoFusionNet. The code is available at: https://github.com/heydarimo/Night-Time-Dehazing
• Abstract（参考訳）: 夜間の露光は、日中露光、非均一照明、色歪み、センサーノイズの連立の存在により、日中露光でよく使われる仮定を無効にするため、低レベルの視界問題として依然として困難なままである。 これらの課題に対処するために、ヒストグラム誘導表現学習と周波数適応的特徴改善を組み合わせた夜間画像復調に適した変換器拡張アーキテクチャHistoFusionNetを提案する。 マルチスケールエンコーダ・デコーダのバックボーン上に構築したヒストグラムトランスフォーマブロックは,その動的レンジ特性に応じて特徴をグループ化することで,複雑な夜間照明下での類似の劣化領域のより効率的な集約を可能にする。 補間的な低周波・高周波のキューを適応的に活用し,シーン構造を復元し,アーティファクトを抑圧し,局所的な詳細を向上する周波数認識改善ブランチを組み込んだ。 この設計は、特に夜間の居心地の良い場面で遭遇する異種劣化によく適合する統一された枠組みをもたらす。 NTIRE 2026 Nighttime Image Dehazing Challengeベンチマークでは,提案手法の有効性を実証した。 私たちのチームは22の参加チームの中で1位にランクインし、HistoFusionNetの堅牢性と競争的なパフォーマンスを強調しました。 コードは、https://github.com/Heydarimo/Night-Time-Dehazing.comで入手できる。

関連論文リスト

• Nighttime Hazy Image Enhancement via Progressively and Mutually Reinforcing Night-Haze Priors [12.516890497421203]
  既存の方法は、主に一度に一つのタイプの劣化(例えば、ヘイズや低照度)に対処する。 我々は、低照度と迷路の先駆者間で共有されるドメイン知識が相互に強化され、より良い可視性が得られることを観察する。 本研究では,夜間の空白画像の視認性を高めるためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-05T10:58:02Z)
• The Devil is in the Darkness: Diffusion-Based Nighttime Dehazing Anchored in Brightness Perception [58.895000127068194]
  本稿では,Diffusion-based Nighttime Dehazingフレームワークについて紹介する。 輝度知覚ネットワークによって導かれる事前学習拡散モデルを統合する復元モデルを提案する。 実験では、データセットの有用性と、ジョイントヘイズ除去と輝度マッピングにおけるモデルの優れたパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-06-03T03:21:13Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
  画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。 自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。 PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。 FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。 この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
  論文  参考訳（メタデータ） (2025-03-25T15:04:53Z)
• Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
  夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。 具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。 提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-08-25T13:59:31Z)

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。