論文の概要: Frequency-Decomposed INR for NIR-Assisted Low-Light RGB Image Denoising

• arxiv url: http://arxiv.org/abs/2604.16800v1
• Date: Sat, 18 Apr 2026 03:12:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.179004
• Title: Frequency-Decomposed INR for NIR-Assisted Low-Light RGB Image Denoising
• Title（参考訳）: NIR支援低光量RGB画像デノイングのための周波数分解INR
• Authors: Ligen Shi, Zengyu Pang, Chang Liu, Shuchen Sun, Jun Qiu,
• Abstract要約: 本稿では、周波数デカップリングインプシットニューラル表現(FDINR)に基づく近赤外支援低光画像復元法を提案する。 画像をマルチスケールのウェーブレット変換によって異なる周波数成分に分解し、二重分岐型暗黙的ニューラル表現フレームワークを構築する。 実験により、FD-INRは画像輝度の一貫性と構造的詳細を効果的に復元するだけでなく、その暗黙的な連続表現の恩恵を受け、任意の分解能再構成タスクにおいて既存の手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 3.1407264198113936
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Addressing the issues of severe noise and high frequency structural degradation in visible images under low-light conditions, this paper proposes a Near Infrared (NIR) aided low light image restoration method based on Frequency Decoupled Implicit Neural Representation (FDINR). Based on the statistical prior of RGB-NIR cross-modal frequency correlations, specifically that low-frequency RGB signals are more reliable, whereas high frequency NIR signals exhibit higher correlation, we explicitly decompose images into distinct frequency components via multi-scale wavelet transforms and construct a dual-branch implicit neural representation framework. Within this framework, we design a cross modal differentiated frequency supervision mechanism, leveraging low light RGB to guide the reconstruction of low frequency luminance and color, and utilizing high-SNR NIR signals to constrain the generation of high frequency texture details, thereby achieving complementary advantages in the frequency domain. Furthermore, an uncertainty-based adaptive weighting loss function is introduced to automatically balance the contributions of different frequency tasks, solving the problems of color distortion and artifacts caused by rigid fusion in the spatial domain common in traditional methods. Experimental results demonstrate that FD-INR not only effectively restores image luminance consistency and structural details but also, benefitting from its implicit continuous representation, outperforms existing methods in arbitrary-resolution reconstruction tasks, significantly enhancing the reliability of low light perception.
• Abstract（参考訳）: 低照度環境下での高雑音と高周波数構造劣化に対処し,周波数デカップリングインプシットニューラル表現(FDINR)に基づく近赤外支援低光画像復元法を提案する。 RGB-NIRクロスモーダル周波数相関の統計的先行性に基づき、特に低周波RGB信号の方が信頼性が高いのに対して、高周波NIR信号は高い相関性を示す。 この枠組みでは、低光RGBを利用して低周波輝度と色再現を誘導し、高SNRNIR信号を用いて高周波テクスチャ細部の生成を制限し、周波数領域における相補的な優位性を実現するクロスモーダル微分周波数監視機構を設計する。 さらに、異なる周波数タスクの寄与を自動的にバランスさせるために、不確実性に基づく適応重み付け損失関数を導入し、従来の手法に共通する空間領域における色歪みと剛性融合に起因するアーティファクトの問題を解く。 実験により、FD-INRは画像輝度の一貫性と構造的詳細を効果的に復元するだけでなく、その暗黙的な連続表現の恩恵を受け、任意の解像度再構成タスクにおいて既存の手法よりも優れ、低光知覚の信頼性を著しく向上させることが示された。

関連論文リスト

• Efficient RAW Image Deblurring with Adaptive Frequency Modulation [12.675989208670664]
  RAW画像の劣化は、特に周波数依存のぼかしを扱う際、ユニークな課題を示す。 本稿では、RAW-to-RAWデブロアリング用に設計されたフレームワークである周波数拡張ネットワーク(FrENet)を提案する。 実験により,FrENetはRAW画像の劣化における最先端の劣化手法を超越していることが示された。
  論文  参考訳（メタデータ） (2025-05-30T09:46:39Z)
• Complementary Advantages: Exploiting Cross-Field Frequency Correlation for NIR-Assisted Image Denoising [27.54777017705553]
  我々は、NIR支援画像復調のためのクロスフィールド周波数相関爆発ネットワーク(FCENet)を開発した。 まず,NIR-RGB画像対の詳細な統計周波数解析に基づいて,周波数相関について検討する。 次に、周波数動的選択機構(FDSM)と周波数強制融合機構(FEFM)からなる周波数学習フレームワークを確立する。
  論文  参考訳（メタデータ） (2024-12-21T14:31:36Z)
• Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
  画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。 スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-19T14:24:03Z)
• FreqINR: Frequency Consistency for Implicit Neural Representation with Adaptive DCT Frequency Loss [5.349799154834945]
  本稿では、新しい任意スケール超解像法であるFreqINR(FreqINR)について述べる。 トレーニングでは,適応離散コサイン変換周波数損失(adaptive Discrete Cosine Transform Frequency Loss,ADFL)を用いて,HR画像と地絡画像の周波数ギャップを最小化する。 推論の際には,低分解能(LR)画像と地軸画像のスペクトルコヒーレンスを維持するために受容場を拡張した。
  論文  参考訳（メタデータ） (2024-08-25T03:53:17Z)
• NIR-Assisted Image Denoising: A Selective Fusion Approach and A Real-World Benchmark Dataset [53.79524776100983]
  近赤外(NIR)画像を活用して、視認可能なRGB画像の復調を支援することで、この問題に対処する可能性を示している。 既存の作品では、NIR情報を効果的に活用して現実のイメージを飾ることに苦戦している。 先進デノナイジングネットワークにプラグイン・アンド・プレイ可能な効率的な選択核融合モジュール(SFM)を提案する。
  論文  参考訳（メタデータ） (2024-04-12T14:54:26Z)
• Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
  光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。 本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。 低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
  論文  参考訳（メタデータ） (2021-08-03T12:26:33Z)

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。