論文の概要: Deep Light Pollution Removal in Night Cityscape Photographs

• arxiv url: http://arxiv.org/abs/2604.09145v1
• Date: Fri, 10 Apr 2026 09:23:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.797913
• Title: Deep Light Pollution Removal in Night Cityscape Photographs
• Title（参考訳）: 夜景写真における深い光汚染除去
• Authors: Hao Wang, Xiaolin Wu, Xi Zhang, Baoqing Sun,
• Abstract要約: 夜間撮影は、都市環境における広汎な人工照明によって引き起こされる光汚染によって著しく劣化する。 夜間デハージングのための物理モデルを導入し, 従来モデルに付加した劣化モデルを提案する。 我々は、ペア化された実データの不足を補うために、大規模な生成モデルと合成現実結合を利用する訓練戦略を構築した。
• 参考スコア（独自算出の注目度）: 17.074532372502038
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nighttime photography is severely degraded by light pollution induced by pervasive artificial lighting in urban environments. After long-range scattering and spatial diffusion, unwanted artificial light overwhelms natural night luminance, generates skyglow that washes out the view of stars and celestial objects and produces halos and glow artifacts around light sources. Unlike nighttime dehazing, which aims to improve detail legibility through thick air, the objective of light pollution removal is to restore the pristine night appearance by neutralizing the radiative footprint of ground lighting. In this paper we introduce a physically-based degradation model that adds to the previous ones for nighttime dehazing two critical aspects; (i) anisotropic spread of directional light sources, and (ii) skyglow caused by invisible surface lights behind skylines. In addition, we construct a training strategy that leverages large generative model and synthetic-real coupling to compensate for the scarcity of paired real data and enhance generalization. Extensive experiments demonstrate that the proposed formulation and learning framework substantially reduce light pollution artifacts and better recover authentic night imagery than prior nighttime restoration methods.
• Abstract（参考訳）: 夜間撮影は、都市環境における広汎な人工照明によって引き起こされる光汚染によって著しく劣化する。 長距離散乱と空間拡散の後、望ましくない人工光は自然の夜光を圧倒し、星や天体の視界を洗い流すスカイグローを生成し、ハロを発生させ、光源の周りにアーティファクトを発光させる。 厚い空気を通して細部を再現することを目的とした夜間脱湿とは異なり、光汚染除去の目的は、地中照明の放射状フットプリントを中和することにより、原始的な夜の外観を回復することである。 本稿では,2つの重要な側面を夜間のデハージングに付加する物理量に基づく劣化モデルを提案する。 一 指向性光源の異方性拡散、及び (二)スカイラインの後ろの見えない表面光によるスカイグロー。 さらに,大規模な生成モデルと合成-実結合を利用して,ペア化された実データの不足を補う訓練戦略を構築し,一般化の促進を図る。 広汎な実験により, 提案した定式化学習フレームワークは, 夜間復元法よりも, 光汚染のアーティファクトを著しく低減し, 真正の夜間像の復元が良好であることを実証した。

関連論文リスト

• 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)
• Seeing Beyond Haze: Generative Nighttime Image Dehazing [16.949777020546264]
  BeyondHazeは、発生的夜間脱ハージング手法で、欠落している可能性のある地域で、背景情報を推測する。 本手法は,夜間デハージング問題に対する画像拡散モデルの適用による背景背景の強弱化と,ガイド付きトレーニングによるヘイズ・アンド・グローオブサークシーン領域の生成能力の向上という,2つの主要な考え方に基づいて開発されている。 実世界の画像での実験では、BeyondHazeは夜間の密集した迷路の視界を効果的に回復することを示した。
  論文  参考訳（メタデータ） (2025-03-11T06:08:25Z)
• Sun Off, Lights On: Photorealistic Monocular Nighttime Simulation for Robust Semantic Perception [53.631644875171595]
  夜間のシーンは、学習したモデルで意味的に知覚し、人間に注釈を付けるのは難しい。 本手法は,1枚の画像の夜間シミュレーションを3Dで行う方法として,サンオフ,ライトオン (SOLO) と命名された。 夜間画像の視覚的品質と光リアリズムは,拡散モデルを含む競合するアプローチよりも優れているだけでなく,従来の画像は,昼夜適応における意味的夜間セグメンテーションに有益であることが証明されている。
  論文  参考訳（メタデータ） (2024-07-29T18:00:09Z)
• From Generation to Suppression: Towards Effective Irregular Glow Removal for Nighttime Visibility Enhancement [22.565044107631696]
  既存の低照度画像強調法 (LLIE) は、主に暗黒領域の明るさを改善するために設計されている。 これらの手法は、他の大きな視界の損傷である、夜間の夜景における光の影響を限定的に探究することができる。 大気点拡散関数(APSF)に基づく多重散乱推定による物理光発生の学習法を提案する。 提案手法はゼロショット学習に基づいており、ペアやアンペアのトレーニングデータに頼らず、光抑制と低照度強化の両方において提案手法の有効性を実証的に評価する。
  論文  参考訳（メタデータ） (2023-07-31T15:51:15Z)
• NightHazeFormer: Single Nighttime Haze Removal Using Prior Query Transformer [39.90066556289063]
  我々はナイトヘイズフォーマー(NightHazeFormer)と呼ばれる夜間ヘイズ除去のためのエンドツーエンドのトランスフォーマーベースのフレームワークを提案する。 提案手法は,教師付き事前学習と半教師付き微調整の2段階からなる。 いくつかの合成および実世界のデータセットの実験は、最先端の夜間ヘイズ除去法よりもNightHazeFormerの方が優れていることを示している。
  論文  参考訳（メタデータ） (2023-05-16T15:26:09Z)
• Nighttime Smartphone Reflective Flare Removal Using Optical Center Symmetry Prior [81.64647648269889]
  反射フレア(英: Reflective flare)は、レンズの内部に光が反射し、明るい点や「ゴースト効果」を引き起こす現象である。 我々は、反射フレアと光源が常にレンズの光学中心の周囲に対称であることを示す光中心対称性を事前に提案する。 多様なリアルな反射フレアパターンを含むブラケットフレアと呼ばれる最初の反射フレア除去データセットを作成します。
  論文  参考訳（メタデータ） (2023-03-27T09:44:40Z)
• See Blue Sky: Deep Image Dehaze Using Paired and Unpaired Training Images [73.23687409870656]
  本稿では,新しいエンドツーエンド画像デヘイズモデルを構築するために,サイクル生成対向ネットワークを提案する。 我々は、実世界の未ペア画像データセットとペア画像データセットのセットを含む、私たちのモデルをトレーニングするために、屋外画像データセットを採用しています。 本モデルでは, サイクル構造に基づいて, 対向損失, サイクル整合損失, フォトリアリズム損失, ペアL1損失を含む4種類の損失関数を付加した。
  論文  参考訳（メタデータ） (2022-10-14T07:45:33Z)
• Unsupervised Night Image Enhancement: When Layer Decomposition Meets Light-Effects Suppression [67.7508230688415]
  層分解ネットワークと光効果抑制ネットワークを統合した教師なし手法を提案する。 本手法は,夜間光効果の抑制と暗黒領域の強度向上において,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2022-07-21T16:10:24Z)
• Light Pollution Reduction in Nighttime Photography [32.87477623401456]
  夜間の写真家は、望ましくない人工照明の光汚染に悩まされることが多い。 本稿では,知覚品質の劣化を著しく軽減できる物理ベース光汚染低減(LPR)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-18T10:38:13Z)
• Nighttime Dehazing with a Synthetic Benchmark [147.21955799938115]
  昼間の鮮明な画像から夜間のハズイ画像をシミュレートする3Rという新しい合成法を提案する。 実空間の光色を以前の経験的分布からサンプリングすることにより,現実的な夜間ハズイ画像を生成する。 実験結果は、画像の品質と実行時間の両方の観点から、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-10T02:16:46Z)

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。