論文の概要: Beyond Pixel Fidelity: Minimizing Perceptual Distortion and Color Bias in Night Photography Rendering

• arxiv url: http://arxiv.org/abs/2604.28136v1
• Date: Thu, 30 Apr 2026 17:19:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.221322
• Title: Beyond Pixel Fidelity: Minimizing Perceptual Distortion and Color Bias in Night Photography Rendering
• Title（参考訳）: レンズの忠実さを超える:夜景撮影における知覚歪みとカラーバイアスの最小化
• Authors: Furkan Kınlı,
• Abstract要約: ナイト・フォトグラフィー(NPR)は、暗黒領域と照明領域の極端にコントラストがあるため、重要な課題となっている。 我々は、ロバストなHVI色空間上に構築された新しいRAW-to-RGBフレームワークであるpHVI-ISPNetを紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Night Photography Rendering (NPR) poses a significant challenge due to the extreme contrast between dark and illuminated areas in scenes, stemming from concurrent capture of severely dark regions alongside intense point light sources. Existing methods, which are mainly tailored for fidelity metrics, reveal considerable perceptual gaps and often detract from visual quality. We introduce pHVI-ISPNet, a novel RAW-to-RGB framework built on the robust HVI color space. Our network integrates four distinct key refinements: RAW-domain feature processing and Wavelet-based feature propagation to mitigate high-frequency detail loss; sample-based dynamic loss coefficients to ensure stable learning across varying exposure levels; and loss term based on feature distributions to maintain rigorous color constancy. Evaluations on the dataset introduced in the NTIRE 2025 challenge on NPR confirm our approach achieves competitive fidelity while establishing new state-of-the-art results in both CIE2000 color difference and LPIPS. This validates our perceptually-driven design for high-quality nighttime imaging.
• Abstract（参考訳）: ナイト・フォトグラフィー・レンダリング(NPR)は、暗黒領域と暗黒領域の極端にコントラストがあるため、激しい点光源とともに暗黒領域を同時に捕獲することに起因する重要な課題である。 既存の方法は、主に忠実度測定のために調整されているが、かなりの知覚的ギャップが明らかであり、しばしば視覚的品質から引き離される。 我々は、ロバストなHVI色空間上に構築された新しいRAW-to-RGBフレームワークであるpHVI-ISPNetを紹介する。 我々のネットワークは、RAWドメインの特徴処理とウェーブレットベースの特徴伝搬により、高周波詳細損失を緩和する、サンプルベースの動的損失係数により、様々な露出レベルにわたる安定した学習を確実にする、特徴分布に基づく損失項を、厳密な色の一貫性を維持する、という4つの重要な改良点を統合している。 NTIRE 2025 Challenge on NPRで導入されたデータセットの評価では、CIE2000色差とLPIPSの両面で、新しい最先端結果を確立しながら、我々のアプローチが競争力を達成することを確認した。 これにより、高画質夜間撮像のための知覚駆動型設計が検証される。

関連論文リスト

• From Cheap to Pro: A Learning-based Adaptive Camera Parameter Network for Professional-Style Imaging [0.07829352305480283]
  ACamera-Netは軽量かつシーン適応型のカメラパラメータ調整ネットワークである。 RAW入力から最適露出とホワイトバランスを予測する。 画像品質を継続的に向上し、知覚出力を安定させる。
  論文  参考訳（メタデータ） (2025-10-23T13:35:17Z)
• HVI-CIDNet+: Beyond Extreme Darkness for Low-Light Image Enhancement [56.02740727422916]
  低光画像強調(LLIE)は、劣化した低光画像から鮮明なコンテンツと詳細を復元することを目的としている。 既存の標準RGB(sRGB)カラースペースベースのLLIE法は、しばしば色バイアスと明るさのアーチファクトを生成する。 HV色マップと学習可能な強度によって定義されるLLIEの新しい色空間を提案する。 HVI-CIDNet+はHVI色空間上に構築されており、損傷したコンテンツを復元し、極暗い領域における色歪みを軽減する。
  論文  参考訳（メタデータ） (2025-07-09T13:03:34Z)
• Bright-NeRF:Brightening Neural Radiance Field with Color Restoration from Low-light Raw Images [8.679462472714942]
  本稿では,低照度原画像から高輝度・高画質の放射場を教師なしで学習するBright-NeRFを提案する。 本手法は,色復元,デノナイズ,新規なビュー合成の促進を同時に実現している。
  論文  参考訳（メタデータ） (2024-12-19T05:55:18Z)
• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる低照度RAW画像用にカスタマイズされた新しいMambaベースの手法を提案する。 低照度RAW画像の高精細化を図り、復調を施すことにより、高精細化を実現する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• ITRE: Low-light Image Enhancement Based on Illumination Transmission Ratio Estimation [10.26197196078661]
  ノイズ、アーティファクト、過剰露光は、低照度画像強調の分野において重要な課題である。 モデルの起源からノイズやアーティファクトを抑圧するRetinexベースの新しい手法ITREを提案する。 広汎な実験により, 騒音抑制, アーティファクト防止, 露光量の同時制御におけるアプローチの有効性が示された。
  論文  参考訳（メタデータ） (2023-10-08T13:22:20Z)
• Shallow camera pipeline for night photography rendering [20.683831741296444]
  我々は,NTIRE2022 Night Photography Renderingチャレンジの一環として,低照度撮影のためのカメラパイプラインを導入する。 我々のパイプラインは、局所的な光強調器を高ダイナミックレンジ補正の形式として利用し、続いて画像ヒストグラムを大域的に調整して、洗い出された結果を防ぐ。 このソリューションは、ディープ畳み込みニューラルネットワークに基づいて、他のエントリに匹敵する選好投票数で、競争で5位に達した。
  論文  参考訳（メタデータ） (2022-04-19T16:18:21Z)
• Wild ToFu: Improving Range and Quality of Indirect Time-of-Flight Depth with RGB Fusion in Challenging Environments [56.306567220448684]
  本稿では,ノイズの多い生のI-ToF信号とRGB画像を用いた学習に基づくエンド・ツー・エンドの深度予測ネットワークを提案する。 最終深度マップでは,ベースラインアプローチと比較して40%以上のRMSE改善が見られた。
  論文  参考訳（メタデータ） (2021-12-07T15:04:14Z)

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。