論文の概要: IG-Diff: Complex Night Scene Restoration with Illumination-Guided Diffusion Model

• arxiv url: http://arxiv.org/abs/2605.14337v1
• Date: Thu, 14 May 2026 04:01:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-16 00:43:04.091278
• Title: IG-Diff: Complex Night Scene Restoration with Illumination-Guided Diffusion Model
• Title（参考訳）: IG-Diff:照明誘導拡散モデルによる複雑な夜景復元
• Authors: Yifan Chen, Fei Yin, Chunle Guo, Chongyi Li, Yujiu Yang,
• Abstract要約: 夜間の状況では、個人や機械が周囲を知覚することは困難である。 拡散モデルに埋め込まれた照明誘導モジュールを統合し,照明回復プロセスの導出を行う。 本モデルでは, 低照度シナリオにおける各種劣化による逆効果と競合しながら, テクスチャの忠実さを保存できる。
• 参考スコア（独自算出の注目度）: 113.62837263178346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In nighttime circumstances, it is challenging for individuals and machines to perceive their surroundings. While prevailing image restoration methods adeptly handle singular forms of degradation, they falter when confronted with intricate nocturnal scenes, such as the concurrent presence of weather and low-light conditions. Compounding this challenge, the lack of paired data that encapsulates the coexistence of low-light situations and other forms of degradation hinders the development of a comprehensive end-to-end solution. In this work, we contribute complex nighttime scene datasets that simulate both illumination degradation and other forms of deterioration. To address the complexity of night degradation, we propose an integration of an illumination-guided module embedded in the diffusion model to guide the illumination restoration process. Our model can preserve texture fidelity while contending with the adversities posed by various degradation in low-light scenarios.
• Abstract（参考訳）: 夜間の状況では、個人や機械が周囲を知覚することは困難である。 典型的な画像復元法は、特異な劣化をうまく処理するが、天候や低照度条件の同時進行など、複雑な夜景に直面すると混乱する。 この課題を複雑にすることで、低照度状況とその他の劣化形態の共存をカプセル化するペアデータの欠如は、包括的なエンドツーエンドソリューションの開発を妨げる。 本研究は,照明劣化と他の形態の劣化の両方をシミュレートする複雑な夜間シーンデータセットに寄与する。 夜間劣化の複雑さに対処するために,拡散モデルに埋め込まれた照明誘導モジュールの統合を提案し,照明回復過程を導出する。 本モデルでは, 低照度シナリオにおける各種劣化による逆効果と競合しながら, テクスチャの忠実さを保存できる。

関連論文リスト

• WeatherCycle: Unpaired Multi-Weather Restoration via Color Space Decoupled Cycle Learning [30.62082910458533]
  マルチウェザー条件下での教師なし画像復元は根本的だが未発見の課題である。 気象の回復を双方向の劣化コンテンツ翻訳サイクルとして再構成する統合フレームワークである textbfWeatherCycle を提案する。 本手法は, 複雑な気象劣化に対する強い一般化を図りながら, 教師なしアプローチの最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-09-27T06:44:27Z)
• When Color-Space Decoupling Meets Diffusion for Adverse-Weather Image Restoration [31.345996524182127]
  我々はLumina-Chroma Decomposition Network(LCDN)とLumina-Guided Diffusion Model(LGDM)を提示する。 LCDNは、YCbCr色空間で劣化した画像を処理し、分解関連輝度と劣化不変色成分を別々に処理する。 LGDMにはTextitDynamic Time Step Lossが組み込まれており、デノナイジングネットワークを最適化し、画像内の低周波と高周波の両方の特徴のバランスの取れた回復を保証する。
  論文  参考訳（メタデータ） (2025-09-21T10:39:06Z)
• UniRelight: Learning Joint Decomposition and Synthesis for Video Relighting [85.27994475113056]
  我々はアルベドを共同で推定し、単一のパスで信頼出力を合成する汎用的アプローチを導入する。 本モデルは,多様な領域にまたがる強力な一般化を示し,視覚的忠実度と時間的整合性の両方において,従来の手法を超越している。
  論文  参考訳（メタデータ） (2025-06-18T17:56:45Z)
• 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)
• Comprehensive Relighting: Generalizable and Consistent Monocular Human Relighting and Harmonization [43.02033340663918]
  Comprehensive Relightingは、あらゆるシーンから任意の身体部分を持つ人間の画像やビデオから照明を制御し調和させる、最初のオールインワンのアプローチである。 実験では、Comprehensive Relightingは強力な一般化性と時間的コヒーレンスを示し、既存の画像に基づく人間のリライトと調和の手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-04-03T20:10:50Z)
• RelightVid: Temporal-Consistent Diffusion Model for Video Relighting [95.10341081549129]
  RelightVidはビデオのリライトのためのフレキシブルなフレームワークだ。 バックグラウンドビデオ、テキストプロンプト、環境マップをリライト条件として受け入れることができる。 内在的な分解を伴わずに、時間的整合性の高い任意のビデオリライティングを実現する。
  論文  参考訳（メタデータ） (2025-01-27T18:59:57Z)
• Night-to-Day Translation via Illumination Degradation Disentanglement [51.77716565167767]
  ナイト・トゥ・デイの翻訳は、夜間のシーンの昼のようなビジョンを達成することを目的としている。 複雑な劣化を伴う夜間画像の処理は 未熟な条件下では 重要な課題です 夜間画像の劣化パターンを識別するためにtextbfN2D3 を提案する。
  論文  参考訳（メタデータ） (2024-11-21T08:51:32Z)
• Dual Degradation Representation for Joint Deraining and Low-Light Enhancement in the Dark [57.85378202032541]
  暗闇の中での雨は、自律運転や監視システム、夜間写真など、現実世界のアプリケーションをデプロイする上で大きな課題となる。 既存の低照度化や除染法は、低照度を明るくし、同時に雨を取り除くのに苦労する。 L$2$RIRNetと呼ばれるエンド・ツー・エンドのモデルを導入する。
  論文  参考訳（メタデータ） (2023-05-06T10:17:42Z)

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。