論文の概要: Saturation-Aware Space-Variant Blind Image Deblurring
- arxiv url: http://arxiv.org/abs/2604.16200v1
- Date: Fri, 17 Apr 2026 16:10:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-20 22:00:19.993506
- Title: Saturation-Aware Space-Variant Blind Image Deblurring
- Title（参考訳）: Saturation-Aware Space-Variant Blind Image Deblurring
- Authors: Muhammad Z. Alam, Larry Stetsiuk, Arooba Zeshan,
- Abstract要約: 本稿では,高ダイナミックレンジおよび低光環境下での劣化にともなう飽和画素による課題に対処する,新しい飽和対応空間可変ブラインド画像デブロアリングフレームワークを提案する。
提案手法は,光の明度と彩度に近づいた画像のセグメンテーションを効果的に行い,予め推定された光スプレッド関数を用いて成層光効果を緩和する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel saturation aware space variant blind image deblurring framework designed to address challenges posed by saturated pixels in deblurring under high dynamic range and low light conditions. The proposed approach effectively segments the image based on blur intensity and proximity to saturation, leveraging a pre estimated Light Spread Function to mitigate stray light effects. By accurately estimating the true radiance of saturated regions using the dark channel prior, our method enhances the deblurring process without introducing artifacts like ringing. Experimental evaluations on both synthetic and real world datasets demonstrate that the framework improves deblurring outcomes across various scenarios showcasing superior performance compared to state of the art saturation-aware and general purpose methods. This adaptability highlights the framework potential integration with existing and emerging blind image deblurring techniques.
- Abstract（参考訳）: 本稿では,高ダイナミックレンジおよび低光環境下での劣化にともなう飽和画素による課題に対処するために,新しい飽和対応空間可変ブラインド画像デブロアリングフレームワークを提案する。
提案手法は,光の明度と彩度に近づいた画像のセグメンテーションを効果的に行い,予め推定された光スプレッド関数を用いて成層光効果を緩和する。
暗チャネルを用いた飽和領域の真の放射率を正確に推定することにより, リングなどの人工物を導入することなく, 劣化過程を向上させることができる。
合成および実世界の両方のデータセットに対する実験的評価により、このフレームワークは、最先端の飽和と汎用の手法と比較して優れた性能を示す様々なシナリオにおける遅延結果を改善することが示されている。
この適応性は、既存のブラインドイメージのデブロアリング技術と統合可能なフレームワークを強調している。
関連論文リスト
- Simultaneous Enhancement and Noise Suppression under Complex Illumination Conditions [18.76552485320789]
複雑な照明条件下での同時拡張と騒音抑制のための新しい枠組みを提案する。
提案手法は,実践的応用から得られた実世界のデータセットを用いて評価する。
論文 参考訳（メタデータ） (2025-12-09T09:04:26Z) - BokehDiff: Neural Lens Blur with One-Step Diffusion [62.59018200914645]
ボケフディフ(BokehDiff)は、物理的に正確で視覚的に魅力的な結果が得られるレンズボウ描画法である。
提案手法では, 画像形成プロセスと整合する自己認識モジュールを物理に着想を得た。
付加雑音を導入することなく1ステップの推論方式に拡散モデルを適応させ,高品質で忠実な結果を得る。
論文 参考訳（メタデータ） (2025-07-24T03:23:19Z) - 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) - Inhomogeneous illumination image enhancement under ex-tremely low visibility condition [3.534798835599242]
濃霧を通した画像は、物体の検出や認識の曖昧化といったアプリケーションに不可欠な視覚情報を欠いているため、従来の画像処理手法を妨げている。
本稿では,構造微分・積分フィルタ(F)に基づく背景照明を適応的にフィルタし,信号情報のみを向上させる手法を提案する。
提案手法は, 極めて低視認性条件下で信号の明瞭度を著しく向上し, 既存の技術よりも優れており, 深部霧画像への応用に大きく貢献することを示した。
論文 参考訳（メタデータ） (2024-04-26T16:09:42Z) - 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) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳（メタデータ） (2023-04-24T21:39:13Z) - Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。
本稿では,低照度画像強調のための深層学習手法を提案する。
提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
論文 参考訳（メタデータ） (2020-07-04T06:26:44Z) - Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。
提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
論文 参考訳（メタデータ） (2020-05-06T13:37:08Z)
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。