論文の概要: Event-Illumination Collaborative Low-light Image Enhancement with a High-resolution Real-world Dataset
- arxiv url: http://arxiv.org/abs/2605.22186v1
- Date: Thu, 21 May 2026 08:55:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.173839
- Title: Event-Illumination Collaborative Low-light Image Enhancement with a High-resolution Real-world Dataset
- Title（参考訳）: 高分解能実世界のデータセットを用いたイベント照明協調低照度画像強調
- Authors: Senyan Xu, Zhijing Sun, Kean Liu, Xin Lu, Ruixuan Jiang, Mingyang Huang, Xueyang Fu, Zheng-Jun Zha,
- Abstract要約: EIC-LIEはイベントイルミネーション協調LIEフレームワークである。
EIC-LIEは、5つの実世界および合成データセットで最先端の手法より優れている。
- 参考スコア（独自算出の注目度）: 74.66758770936579
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Event-based low-light image enhancement (LIE) methods mainly focus on incorporating high dynamic range (HDR) information from events while overlooking the essential global illumination in images and the inherent noise sensitivity of event signals in real-world scenarios. To address these issues, we propose EIC-LIE, an event-illumination collaborative LIE framework. Concretely, we first design an Event-Illumination Collaborative Interaction (EICI) module, which contains two key processes: forward gathering, which gathers HDR features across varying lighting conditions, and backward injection, which provides complementary content for illumination and event representations. Next, we introduce an Illumination-aware Event Filter (IAEF) that dynamically reduces event noise based on brightness statistics derived from images. Additionally, we build a beam-splitter-based hybrid imaging system to collect high-quality event-image pairs with temporal synchronization from dynamic scenes, providing the first high-resolution, real-world event-based LIE dataset. Extensive experiments show that our EIC-LIE outperforms state-of-the-art methods on five real-world and synthetic datasets, significantly surpassing previous methods with improvements of up to 1.24dB in PSNR and 0.069 in SSIM. The code and dataset are released at https://github.com/QUEAHREN/EIC-LIE.
- Abstract（参考訳）: イベントベース低照度画像強調法 (LIE) は, 実世界のシナリオにおいて, 画像に欠かせない大域照明と固有雑音感度を見極めながら, 高ダイナミックレンジ(HDR)情報をイベントから取り入れることに重点を置いている。
これらの問題に対処するため,イベント照明協調LIEフレームワークであるEIC-LIEを提案する。
具体的には、まず、様々な照明条件にまたがるHDR特徴を収集するフォワード・アグリゲーションと、照明とイベント表現のための補完コンテンツを提供するバック・インジェクションという、2つの重要なプロセスを含むイベント・イルミネーション・コラボレーション・インタラクション(EICI)モジュールを設計する。
次に、画像から得られる輝度統計に基づいて、イベントノイズを動的に低減するイルミネーション対応イベントフィルタ(IAEF)を提案する。
さらに,ビームスプリッタを用いたハイブリッドイメージングシステムを構築し,動的シーンから時間同期による高品質なイベントイメージペアを収集し,最初の高解像度な実世界のイベントベースLIEデータセットを提供する。
EIC-LIEは,PSNR1.24dB,SSIM0.069の改善により,5つの実世界および合成データセットにおいて最先端の手法よりも優れていた。
コードとデータセットはhttps://github.com/QUEAHREN/EIC-LIEで公開されている。
関連論文リスト
- EventGait: Towards Robust Gait Recognition with Event Streams [50.890621860023]
イベントカメラは、マイクロ秒時間分解能と高ダイナミックレンジを提供し、自然にロバストなダイナミックキューをキャプチャし、静的ノイズを抑制する。
イベントの利点を保ちながら、動きと形状を別々にモデル化する、エンドツーエンドのデュアルストリームフレームワークである textbfEventGait を提案する。
当社のアプローチでは,イベント駆動歩行分析の堅牢性と可能性を強調し,合成および実世界の歩行ベンチマークに新たな技術状況が設定されている。
論文 参考訳（メタデータ） (2026-05-21T08:12:04Z) - Dual-Exposure Imaging with Events [42.58362522325131]
両露画像ペアとイベントから高品質な画像を再構成するイベントベースDIEアルゴリズムを提案する。
具体的には、この複雑なタスクを2つのサブタスク、すなわちイベントベースのモーションデブロアリングと低照度画像強調タスクの統合に分解する。
論文 参考訳（メタデータ） (2026-04-11T16:33:08Z) - Learning to Remove Lens Flare in Event Camera [56.9171469873838]
イベントカメラデータからレンズフレアを除去する最初のフレームワークであるE-DeflareDeflareを提案する。
まず、非線形抑制機構の物理基底フォワードモデルを導出した理論基盤を確立する。
このベンチマークを利用して、最先端の復元性能を実現するE-DeflareNetを設計する。
論文 参考訳（メタデータ） (2025-12-09T18:59:57Z) - Bidirectional Image-Event Guided Fusion Framework for Low-Light Image Enhancement [24.5584423318892]
極端に低照度な条件下では、フレームベースのカメラは、ダイナミックレンジの制限により、細部が著しく失われる。
近年の研究では、イベント誘導型低照度画像強調のためのイベントカメラが導入されている。
低光画像強調のための双方向画像イベント誘導融合フレームワークBiLIEを提案する。
論文 参考訳（メタデータ） (2025-06-06T14:28:17Z) - Low-Light Image Enhancement using Event-Based Illumination Estimation [83.81648559951684]
低照度画像強調(LLIE)は、低照度環境で撮影された画像の可視性を改善することを目的としている。
本稿では,「時間的マッピング」イベントを用いた照明推定の観点から,新たな道を開く。
我々は、ビームスプリッターのセットアップを構築し、画像、時間的マッピングイベント、モーションイベントを含むEvLowLightデータセットを収集する。
論文 参考訳（メタデータ） (2025-04-13T00:01:33Z) - HUE Dataset: High-Resolution Event and Frame Sequences for Low-Light Vision [16.432164340779266]
低照度条件下での高分解能イベントとフレームシーケンスのコレクションであるHUEデータセットを紹介する。
私たちのデータセットには、屋内、都市景観、トワイライト、夜、運転、制御されたシナリオを含む106のシーケンスが含まれています。
我々は定性評価と定量的評価の両方を用いて、最先端の低照度化と事象に基づく画像再構成手法を評価する。
論文 参考訳（メタデータ） (2024-10-24T21:15:15Z) - Event-assisted Low-Light Video Object Segmentation [47.28027938310957]
イベントカメラは、このような低照度条件下でオブジェクトの可視性を高め、VOSメソッドを支援することを約束する。
本稿では、イベントカメラデータを利用してセグメンテーション精度を向上させる、低照度VOSに適した先駆的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-02T13:41:22Z) - Implicit Event-RGBD Neural SLAM [54.74363487009845]
神経性SLAMは近年顕著な進歩を遂げている。
既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。
本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
論文 参考訳（メタデータ） (2023-11-18T08:48:58Z) - Learning Parallax for Stereo Event-based Motion Deblurring [8.201943408103995]
既存のアプローチは、インテンシティ・イメージとイベントの間の完全なピクセルワイド・アライメントに依存している。
我々は,Stereoイベントと強度カメラ(St-EDNet)を併用したイベントベース動作のNetwork of Event-based motionを提案する。
我々はSTEIC(Stereo Event and Intensity Cameras)を用いた新しいデータセットを構築し、現実世界のイベント、強度画像、密度の異なるマップを含む。
論文 参考訳（メタデータ） (2023-09-18T06:51:41Z)
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。