論文の概要: Learning Reference-Guided Exposure Correction with Hybrid Illumination Characteristics
- arxiv url: http://arxiv.org/abs/2605.26729v1
- Date: Tue, 26 May 2026 09:05:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.775009
- Title: Learning Reference-Guided Exposure Correction with Hybrid Illumination Characteristics
- Title（参考訳）: ハイブリッド照明特性を持つ基準誘導露光補正の学習
- Authors: Hao Ren, Zetong Bi, Zhaoliang Wan, Hui Cheng,
- Abstract要約: HICNetは参照誘導露光補正フレームワークである。
軽量でコンテンツに依存しないエンコーダは、各画像を小型照明埋め込みに蒸留する。
HICNetは、公開ベンチマークの精度を向上し、完全に見えないシーンに最適化する。
- 参考スコア（独自算出の注目度）: 15.936813871243777
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present HICNet, a reference-guided exposure correction framework. A lightweight, content-agnostic encoder distills each image into a compact illumination embedding capturing regional brightness, edge contrast, and higher-order luminance moments. The embedding difference between a source and its reference drives a multi-scale modulation network that combines FiLM-based global adjustment with Photometric Channel Rebalancing for fine-grained, illumination-aware spectral gating, producing exposure-matched outputs while faithfully preserving scene details. A cross-batch contrastive loss orders the illumination manifold, bolstering robustness to diverse lighting conditions. Trained without ground truth or intrinsic decomposition, HICNet attains better accuracy on public benchmarks and generalizes well to entirely unseen scenes.
- Abstract（参考訳）: 参照誘導露光補正フレームワークであるHICNetを提案する。
軽量でコンテンツに依存しないエンコーダは、各画像を、地域輝度、エッジコントラスト、高次輝度モーメントを捉えたコンパクト照明埋め込みに蒸留する。
ソースと参照の埋め込みの違いは、FiLMベースのグローバルな調整とPhotometric Channel Rebalancingを組み合わせたマルチスケールな変調ネットワークを駆動し、細粒度で照明対応のスペクトルゲーティングを行い、シーンの詳細を忠実に保存しながら露光マッチング出力を生成する。
クロスバッチの対照的な損失は照明多様体を順序付け、様々な照明条件に頑丈さを増す。
地味な真実や本質的な分解なしに訓練されたHICNetは、公開ベンチマークの精度を向上し、全く見えないシーンをうまく一般化する。
関連論文リスト
- ZeroIDIR: Zero-Reference Illumination Degradation Image Restoration with Perturbed Consistency Diffusion Models [72.4683657127516]
照明画像復元のためのゼロ参照拡散ベースフレームワークZeroIDIRを提案する。
フレームワークは、復元プロセスを適応照明補正と拡散に基づく再構成に分離する。
公開されているベンチマーク実験により、提案手法は最先端の教師なし競争相手よりも優れていることが示された。
論文 参考訳（メタデータ） (2026-05-12T02:36:49Z) - Unifying Color and Lightness Correction with View-Adaptive Curve Adjustment for Robust 3D Novel View Synthesis [73.27997579020233]
多様な照明条件下での堅牢なNVSのための3DGSベースのフレームワークであるLuminance-GS++を提案する。
本手法は,グローバルな視野適応光度調整と局所画素ワイド残差補正を組み合わせ,正確な色補正を行う。
論文 参考訳（メタデータ） (2026-02-20T16:20:50Z) - WEC-DG: Multi-Exposure Wavelet Correction Method Guided by Degradation Description [7.873244458995218]
多重露光補正技術は、照明不足や過度な照明の影響を受ける画像の復元に不可欠である。
現在のマルチ露光補正法は、様々な照明条件によるクラス内変動に対処する際の課題となることが多い。
本稿では,分解誘導(WEC-DG)を用いたウェーブレットを用いた露光補正手法を提案する。
論文 参考訳（メタデータ） (2025-08-13T07:31:44Z) - LUMINA-Net: Low-light Upgrade through Multi-stage Illumination and Noise Adaptation Network for Image Enhancement [26.585985828583304]
低照度画像強調(LLIE)は、低照度条件下で撮影された画像の視覚的忠実度を高めることを目的としたコンピュータビジョンにおける重要な課題である。
LUMINA-Netは,多段照明と反射モジュールを統合することで,低照度画像ペアから適応的な事前学習を行う,教師なしのディープラーニングフレームワークである。
論文 参考訳（メタデータ） (2025-02-21T03:37:58Z) - DifFRelight: Diffusion-Based Facial Performance Relighting [12.909429637057343]
拡散に基づく画像から画像への変換を用いた,自由視点顔の表情のリライティングのための新しいフレームワークを提案する。
我々は、正確な照明制御のための拡散モデルを訓練し、フラットライト入力からの顔画像の高忠実度化を可能にする。
このモデルは、目の反射、地表面散乱、自影、半透明といった複雑な照明効果を正確に再現する。
論文 参考訳（メタデータ） (2024-10-10T17:56:44Z) - Dimma: Semi-supervised Low Light Image Enhancement with Adaptive Dimming [0.728258471592763]
自然色を維持しながら低照度画像を強調することは、カメラ処理のバリエーションによって難しい問題である。
そこで我々はDimmaを提案する。Dimmaは、画像対の小さなセットを利用して、任意のカメラと整合する半教師付きアプローチである。
そこで我々は,照明の違いに基づいて,シーンの歪み色を生成する畳み込み混合密度ネットワークを導入することで実現した。
論文 参考訳（メタデータ） (2023-10-14T17:59:46Z) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳（メタデータ） (2023-08-16T08:46:51Z) - Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。
このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。
本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文 参考訳（メタデータ） (2023-08-10T07:53:06Z)
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。