論文の概要: RHVI-FDD: A Hierarchical Decoupling Framework for Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2604.05781v1
- Date: Tue, 07 Apr 2026 12:18:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.81497
- Title: RHVI-FDD: A Hierarchical Decoupling Framework for Low-Light Image Enhancement
- Title（参考訳）: RHVI-FDD:低光画像強調のための階層型デカップリングフレームワーク
- Authors: Junhao Yang, Bo Yang, Hongwei Ge, Yanchun Liang, Heow Pueh Lee, Chunguo Wu,
- Abstract要約: 低照度画像は、しばしば激しいノイズ、詳細な損失、色歪みに悩まされる。
本稿では,この問題を解決するために,新しい階層型デカップリングフレームワーク(RHVI-FDD)を提案する。
提案手法は,客観的指標と主観的視覚的品質の両方において,既存の最先端手法よりも一貫して優れている。
- 参考スコア（独自算出の注目度）: 11.50861592672004
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-light images often suffer from severe noise, detail loss, and color distortion, which hinder downstream multimedia analysis and retrieval tasks. The degradation in low-light images is complex: luminance and chrominance are coupled, while within the chrominance, noise and details are deeply entangled, preventing existing methods from simultaneously correcting color distortion, suppressing noise, and preserving fine details. To tackle the above challenges, we propose a novel hierarchical decoupling framework (RHVI-FDD). At the macro level, we introduce the RHVI transform, which mitigates the estimation bias caused by input noise and enables robust luminance-chrominance decoupling. At the micro level, we design a Frequency-Domain Decoupling (FDD) module with three branches for further feature separation. Using the Discrete Cosine Transform, we decompose chrominance features into low, mid, and high-frequency bands that predominantly represent global tone, local details, and noise components, which are then processed by tailored expert networks in a divide-and-conquer manner and fused via an adaptive gating module for content-aware fusion. Extensive experiments on multiple low-light datasets demonstrate that our method consistently outperforms existing state-of-the-art approaches in both objective metrics and subjective visual quality.
- Abstract（参考訳）: 低照度画像は、しばしば激しいノイズ、詳細損失、色歪みに悩まされ、下流のマルチメディア分析と検索タスクを妨げている。
低照度画像の劣化は複雑であり、輝度と彩色は結合されるが、色度内ではノイズと詳細が深く絡み合っており、既存の方法が色の歪みを同時に補正したり、ノイズを抑えたり、詳細を保存したりするのを防ぐ。
以上の課題に対処するため,新しい階層型デカップリングフレームワーク(RHVI-FDD)を提案する。
マクロレベルではRHVI変換を導入し、入力雑音による推定バイアスを緩和し、ロバストな輝度-クロミナンスデカップリングを可能にする。
マイクロレベルでは、さらなる特徴分離のために3つの分岐を持つ周波数領域分離(FDD)モジュールを設計する。
離散コサイン変換を用いて,色度特徴を,大域的トーン,局部的詳細,雑音成分を主成分とする低域,中域,高域の帯域に分解する。
複数の低照度データセットに対する大規模な実験により、我々の手法は、客観的指標と主観的視覚的品質の両方において、既存の最先端アプローチを一貫して上回ることを示した。
関連論文リスト
- Wavelet-based Decoupling Framework for low-light Stereo Image Enhancement [4.645709745803925]
本稿では,特徴空間デカップリングを用いたウェーブレットを用いた低照度ステレオ画像強調手法を提案する。
ウェーブレット変換を用いて、照明調整のための低周波分岐とテクスチャ強化のための複数の高周波分岐に特徴空間を分解する。
高周波情報を強化するため,クロスアテンション機構に基づくディテール・テクスチャ・エンハンスメント・モジュール(DTEM)を提案する。
論文 参考訳（メタデータ） (2025-07-16T12:42:27Z) - Learning Multi-scale Spatial-frequency Features for Image Denoising [58.883244886588336]
本稿では,マルチスケール適応型デュアルドメインネットワーク(MADNet)を提案する。
画像ピラミッド入力を用いて低解像度画像からノイズのない結果を復元する。
高周波情報と低周波情報の相互作用を実現するために,適応型空間周波数学習ユニットを設計する。
論文 参考訳（メタデータ） (2025-06-19T13:28:09Z) - Bidirectional Image-Event Guided Fusion Framework for Low-Light Image Enhancement [24.5584423318892]
極端に低照度な条件下では、フレームベースのカメラは、ダイナミックレンジの制限により、細部が著しく失われる。
近年の研究では、イベント誘導型低照度画像強調のためのイベントカメラが導入されている。
低光画像強調のための双方向画像イベント誘導融合フレームワークBiLIEを提案する。
論文 参考訳（メタデータ） (2025-06-06T14:28:17Z) - 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) - Nonlocal Retinex-Based Variational Model and its Deep Unfolding Twin for Low-Light Image Enhancement [3.174882428337821]
本稿では,Retinex分解に基づく低照度画像強調のための変分法を提案する。
低照度画像に色補正前処理ステップを適用し、分解時に観察された入力として使用する。
我々は、演算子を学習可能なネットワークに置き換える深層展開モデルを導入することにより、モデルを拡張する。
論文 参考訳（メタデータ） (2025-04-10T14:48:26Z) - 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) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - Hierarchical Disentangled Representation for Invertible Image Denoising
and Beyond [14.432771193620702]
画像の高周波部分にノイズが現れる傾向にあるという潜在観測に着想を得て,完全可逆復調法を提案する。
ノイズ画像は、可逆変換により、清浄な低周波およびハイブリッドな高周波部品に分解する。
このように、ノイズのない低周波部品と高周波部品とを逆にマージして、デノナイジングをトラクタブルにする。
論文 参考訳（メタデータ） (2023-01-31T01:24:34Z) - 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。