論文の概要: Continuous Splatting meets Retinex: Continuous Gaussian Splatting and Implicit Reflectance Modeling for Low-Light Image Enhancement

• arxiv url: http://arxiv.org/abs/2606.16159v1
• Date: Mon, 15 Jun 2026 03:19:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.051842
• Title: Continuous Splatting meets Retinex: Continuous Gaussian Splatting and Implicit Reflectance Modeling for Low-Light Image Enhancement
• Title（参考訳）: 連続散乱とレチネックス:低照度画像強調のための連続ガウス散乱と入射反射率モデリング
• Authors: Yuhan Chen, Yicui Shi, Guofa Li, Wenxuan Yu, Ying Fang, Guangrui Bai, Wenbo Chu, Keqiang Li,
• Abstract要約: 低照度画像強調は、低照度観測から鮮明な画像を復元することを目的としている。 既存の手法では、グローバルな滑らかな照明調整と局所的な高周波ディテール回復のバランスをとる際に、色歪みや構造的アーティファクトに頻繁に遭遇する。 我々は,CGS-Retinexを,明示的単純関節モデルに基づく最初の低照度画像強調フレームワークとして提案する。
• 参考スコア（独自算出の注目度）: 25.472500911155347
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-light image enhancement aims to recover clear images from low-illumination observations and is crucial for high-level downstream vision tasks. However, existing methods frequently encounter color distortion and structural artifacts when balancing global smooth illumination adjustment and local high-frequency detail recovery. To address these issues, we propose CGS-Retinex as the first low-light image enhancement framework based on explicit-implicit joint modeling. Our framework deeply integrates continuous Gaussian splatting with Retinex theory. Specifically, we represent the image grid as a continuous parameter field and propose a continuous Gaussian renderer to estimate the spatially continuous global illumination distribution. This approach fundamentally eliminates grid artifacts caused by discrete Gaussian sampling. Furthermore, we introduce an implicit neural representation to model reflectance independently. We leverage shallow high-frequency features to guide the network in accurately reconstructing degraded texture details. Within the Retinex framework, we incorporate physics-inspired brightness consistency constraints and illumination smoothness regularization to enable explicit illumination and implicit reflectance to maintain proper exposure and achieve high-fidelity recovery of high-frequency structures and colors. Extensive experiments demonstrate that CGS-Retinex significantly suppresses dark-region noise and overexposure while achieving exceptional high-frequency structural fidelity and color restoration by precisely decoupling illumination and texture. This work establishes a novel continuous physical representation paradigm for low-light image enhancement.
• Abstract（参考訳）: 低照度画像強調は、低照度観測から鮮明な画像を復元することを目的としており、高レベルの下流視覚タスクに不可欠である。 しかし,地球規模の滑らかな照明調整と局所的な高周波ディテール回復のバランスをとる場合,既存の手法では色歪みや構造的アーティファクトにしばしば遭遇する。 これらの課題に対処するため,我々はCGS-Retinexを,明示的単純関節モデリングに基づく最初の低照度画像強調フレームワークとして提案する。 我々の枠組みは、連続ガウススプラッティングをレチネックス理論と深く統合する。 具体的には、画像グリッドを連続パラメータフィールドとして表現し、空間的に連続した大域照明分布を推定する連続ガウスレンダラーを提案する。 このアプローチは、離散ガウスサンプリングによるグリッドアーティファクトを根本的に排除する。 さらに、モデル反射率を独立にモデル化する暗黙のニューラル表現を導入する。 我々は、劣化したテクスチャの詳細を正確に再構築するために、浅い高周波特性を活用してネットワークを誘導する。 Retinexフレームワーク内には、物理に着想を得た輝度一貫性の制約と照明の滑らかさの規則化が組み込まれており、明示的な照度と暗黙の反射率を実現し、適切な露出を維持し、高周波構造や色を高忠実に再現することができる。 広汎な実験により、CGS-Retinexは、照明とテクスチャを正確に分離することにより、例外的な高周波数構造忠実性と色復元を実現しつつ、暗域ノイズと過剰露光を著しく抑制することが示された。 この研究は、低照度画像強調のための新しい連続物理表現パラダイムを確立する。

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)
• GLOW: Global Illumination-Aware Inverse Rendering of Indoor Scenes Captured with Dynamic Co-Located Light & Camera [18.90141473604964]
  室内シーンの逆レンダリングは、反射率と照明のあいまいさのため、依然として困難である。 GLOWは、これらの課題に対処するために設計された、Global Illumination-aware Inverse Renderingフレームワークである。
  論文  参考訳（メタデータ） (2025-11-28T03:24:12Z)
• Spec-Gloss Surfels and Normal-Diffuse Priors for Relightable Glossy Objects [42.30107053583194]
  本稿では,マイクロファセットBRDFとスペキュラ・グロシネスパラメータ化を統合した2次元ガウス平滑化フレームワークを提案する。 環境マップの粗大な最適化は収束を加速し、高ダイナミックレンジのスペクトル反射を保存する。
  論文  参考訳（メタデータ） (2025-10-02T14:34:46Z)
• Rethinking High-speed Image Reconstruction Framework with Spike Camera [48.627095354244204]
  スパイクカメラは連続的なスパイクストリームを生成し、従来のRGBカメラよりも低帯域幅でダイナミックレンジの高速シーンをキャプチャする。 従来のトレーニングパラダイムを超える新しいスパイク・ツー・イメージ再構築フレームワークであるSpikeCLIPを導入する。 実世界の低照度データセットに対する実験により、SpikeCLIPはテクスチャの詳細と回復した画像の輝度バランスを大幅に向上することが示された。
  論文  参考訳（メタデータ） (2025-01-08T13:00:17Z)
• Low-Light Video Enhancement via Spatial-Temporal Consistent Decomposition [52.89441679581216]
  低照度ビデオエンハンスメント(LLVE)は、激しい視認性とノイズに悩まされる動的または静的なシーンの復元を目指している。 本稿では、ビューに依存しない、ビューに依存しないコンポーネントを組み込んだ革新的なビデオ分解戦略を提案する。 我々のフレームワークは、既存のメソッドを一貫して上回り、新しいSOTAパフォーマンスを確立します。
  論文  参考訳（メタデータ） (2024-05-24T15:56:40Z)
• SCRNet: a Retinex Structure-based Low-light Enhancement Model Guided by Spatial Consistency [22.54951703413469]
  本稿では,SCRNet(Spatial Consistency Retinex Network)と呼ばれる,新しい低照度画像強調モデルを提案する。 提案モデルでは, 空間的整合性の原理に着想を得て, チャネルレベル, セマンティックレベル, テクスチャレベルという3つのレベルの整合性を考慮した。 様々な低照度画像データセットに対する広範囲な評価は、提案したSCRNetが既存の最先端手法より優れていることを示している。
  論文  参考訳（メタデータ） (2023-05-14T03:32:19Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)

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。