論文の概要: UniBlendNet: Unified Global, Multi-Scale, and Region-Adaptive Modeling for Ambient Lighting Normalization
- arxiv url: http://arxiv.org/abs/2604.13383v1
- Date: Wed, 15 Apr 2026 01:13:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-16 20:38:32.342543
- Title: UniBlendNet: Unified Global, Multi-Scale, and Region-Adaptive Modeling for Ambient Lighting Normalization
- Title（参考訳）: UniBlendNet: アンビエント照明正規化のための統一グローバル,マルチスケール,領域適応モデリング
- Authors: Jiatao Dai, Wei Dong, Han Zhou, Chengzhou Tang, Jun Chen,
- Abstract要約: 環境照明正規化は、複雑な空間的に変化する照明条件によって劣化した画像を復元することを目的としている。
IFBlendのような既存の手法は、周波数領域の先行値を利用して照明のバリエーションをモデル化する。
環境光の正規化のための統一的なフレームワークUniBlendNetを提案する。
- 参考スコア（独自算出の注目度）: 18.768161260032553
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ambient Lighting Normalization (ALN) aims to restore images degraded by complex, spatially varying illumination conditions. Existing methods, such as IFBlend, leverage frequency-domain priors to model illumination variations, but still suffer from limited global context modeling and insufficient spatial adaptivity, leading to suboptimal restoration in challenging regions. In this paper, we propose UniBlendNet, a unified framework for ambient lighting normalization that jointly models global illumination, multi-scale structures, and region-adaptive refinement. Specifically, we enhance global illumination understanding by integrating a UniConvNet-based module to capture long-range dependencies. To better handle complex lighting variations, we introduce a Scale-Aware Aggregation Module (SAAM) that performs pyramid-based multi-scale feature aggregation with dynamic reweighting. Furthermore, we design a mask-guided residual refinement mechanism to enable region-adaptive correction, allowing the model to selectively enhance degraded regions while preserving well-exposed areas. This design effectively improves illumination consistency and structural fidelity under complex lighting conditions. Extensive experiments on the NTIRE Ambient Lighting Normalization benchmark demonstrate that UniBlendNet consistently outperforms the baseline IFBlend and achieves improved restoration quality, while producing visually more natural and stable restoration results.
- Abstract（参考訳）: 環境照明正規化(ALN)は、複雑な空間的な照明条件によって劣化した画像を復元することを目的としている。
IFBlendのような既存の手法は、周波数領域の先行値を利用して照明のバリエーションをモデル化するが、それでも限られたグローバルな文脈モデリングと空間適応性の不足に悩まされ、挑戦的な領域で最適以下の復元につながる。
本論文では,大域照明,マルチスケール構造,地域適応型改良を共同でモデル化した環境照明正規化のための統合フレームワークUniBlendNetを提案する。
具体的には、UniConvNetベースのモジュールを統合して、長距離依存関係をキャプチャすることで、グローバル照明の理解を深める。
複雑な照明の変動に対処するために、ピラミッドベースのマルチスケール機能アグリゲーションと動的リウェイトを行うSAAM(Scale-Aware Aggregation Module)を導入する。
さらに,マスク誘導型残留改質機構を設計し,領域適応補正を実現し,よく露出した領域を保存しながら劣化領域を選択的に拡張する。
この設計は、複雑な照明条件下での照明の一貫性と構造的忠実さを効果的に改善する。
NTIRE Ambient Lighting Normalizationベンチマークの大規模な実験では、UniBlendNetはベースラインIFBlendを一貫して上回り、改善された回復品質を実現し、視覚的により自然で安定した回復結果を生成する。
関連論文リスト
- Rethinking Exposure Correction for Spatially Non-uniform Degradation [41.78840354779858]
空間的非均一性のための新しい露出補正パラダイムを提案する。
具体的には,空間適応変調重みを予測するための空間信号を導入する。
本手法は,最先端手法と比較して質的,定量的な性能に優れる。
論文 参考訳（メタデータ） (2026-04-05T14:41:59Z) - Towards Controllable Low-Light Image Enhancement: A Continuous Multi-illumination Dataset and Efficient State Space Framework [2.977173671229414]
Light100 がサポートする総合的なフレームワークである Controllable Low-light Enhancement (CLE) を導入する。
輝度制御と色度との矛盾を解決するため、ノイズ分離型監視戦略を採用する。
提案手法は,実世界のマルチイルミネーション代替品として,競争性能とロバストな制御性を実現する。
論文 参考訳（メタデータ） (2026-03-26T10:40:08Z) - Efficient Image Super-Resolution with Multi-Scale Spatial Adaptive Attention Networks [3.4782736103257323]
本稿では,マルチスケール空間適応注意ネットワーク(MSAAN)と呼ばれる,軽量画像超解像(SR)ネットワークを提案する。
提案手法のコアとなるのは,局所的な細部と長期のコンテキスト依存性を協調的にモデル化する,マルチスケール空間適応型注意モジュール(MSAA)である。
論文 参考訳（メタデータ） (2026-02-22T07:47:39Z) - Zero-Reference Joint Low-Light Enhancement and Deblurring via Visual Autoregressive Modeling with VLM-Derived Modulation [18.67176370944511]
現実の暗黒画像は、視界とコントラストの低いだけでなく、複雑なノイズやぼやけも示しており、重要な修復上の課題を呈している。
視覚言語モデル(VLM)を用いた視覚自己回帰モデル(VAR)に基づく生成フレームワークを提案する。
我々のフレームワークは完全に教師なしであり、ベンチマークデータセット上で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-11-23T19:08:45Z) - SAIGFormer: A Spatially-Adaptive Illumination-Guided Network for Low-Light Image Enhancement [58.79901582809091]
近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。
近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。
正確な照明復元を可能にする空間適応照明誘導変圧器フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-21T11:38:56Z) - Towards Generalized Range-View LiDAR Segmentation in Adverse Weather [65.22588361803942]
我々は、厳しい天候下でのLiDARセグメンテーションの一般化に影響を及ぼす固有の課題を特定し、分析する。
既存のモデルのコアアーキテクチャを変更することなく、ロバスト性を高めるモジュール式で軽量なフレームワークを提案する。
提案手法は,推定オーバーヘッドを最小限に抑え,悪天候への一般化を著しく改善する。
論文 参考訳（メタデータ） (2025-06-10T16:48:27Z) - 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) - Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。
局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。
グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
論文 参考訳（メタデータ） (2025-01-02T15:14:40Z) - Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。
このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。
本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文 参考訳（メタデータ） (2023-08-10T07:53:06Z)
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。