論文の概要: AIGS-Net: Compact Illumination Field Modeling via 2D Gaussian Splatting for Fast Low-Light Image Enhancement

• arxiv url: http://arxiv.org/abs/2606.17998v1
• Date: Tue, 16 Jun 2026 14:45:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.491025
• Title: AIGS-Net: Compact Illumination Field Modeling via 2D Gaussian Splatting for Fast Low-Light Image Enhancement
• Title（参考訳）: AIGS-Net: 高速低光画像強調のための2次元ガウス散乱による小型照明場モデリング
• Authors: Yuhan Chen, Kunyang Huang, Fuchen Li, Zhuohan Qin, Guofa Li, Wenbo Chu, Keqiang Li,
• Abstract要約: 本稿では,高速低照度化のための適応照明ガウス格子ネットワーク(AIGS-Net)を提案する。 従来の静的プリミティブとは異なり、AIGS-Netは入力適応型2Dガウス散乱照明場を構築する。 実験によると、AIGS-Netは、約40の学習可能なパラメータしか必要とせず、ディテールリカバリと色忠実度を改善する。
• 参考スコア（独自算出の注目度）: 19.712825613823778
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing low-light image enhancement methods often face a bottleneck between the representation capacity of illumination-field modeling and computational complexity. To address this issue, this paper proposes an Adaptive Illumination Gaussian Splatting Network (AIGS-Net), an ultra-lightweight architecture for fast low-light enhancement. Unlike conventional static priors, AIGS-Net constructs an input-adaptive 2D Gaussian Splatting illumination field. The opacity of Gaussian basis functions is dynamically modulated by relative luminance statistics of the input image, and spatially varying illumination compensation is rendered through ordered alpha compositing. To guide adaptive illumination compensation efficiently, a zero-parameter nonlinear multiscale contextual encoding module is introduced to extract low-frequency structures and local contrast cues without additional convolutional weights. To suppress noise amplification and sensor-induced color bias, AIGS-Net integrates noise-mask estimation, locked single-channel Gamma mapping, cross-channel consistency regularization, and target color-alignment constraints. Experiments on LOL and LSRW benchmarks show that AIGS-Net improves detail recovery and color fidelity while requiring only approximately 40 learnable parameters, achieving an effective trade-off between enhancement quality and extreme inference efficiency.
• Abstract（参考訳）: 既存の低照度画像強調法は、照明場モデリングの表現能力と計算複雑性の間のボトルネックに直面していることが多い。 本稿では,高速低照度化のための超軽量アーキテクチャであるAdaptive Illumination Gaussian Splatting Network (AIGS-Net)を提案する。 従来の静的プリミティブとは異なり、AIGS-Netは入力適応型2Dガウス散乱照明場を構築する。 ガウス基底関数の不透明度は入力画像の相対輝度統計により動的に変調され、順序付けられたアルファ合成により空間的に異なる照明補正が実行される。 適応照明補償を効率よく導くため、低周波構造や局所コントラストを余分な畳み込み重みを伴わずに抽出するために、ゼロパラメータ非線形多スケールコンテキスト符号化モジュールを導入する。 ノイズ増幅とセンサによる色バイアスを抑制するため、AIGS-Netはノイズマスク推定、ロックされた単一チャネルガンママッピング、チャンネル間の整合性正規化、ターゲット色調整制約を統合する。 LOLとLSRWベンチマークの実験では、AIGS-Netは、約40の学習可能なパラメータしか必要とせず、詳細回復と色忠実性を向上し、拡張品質と極端な推論効率のトレードオフを効果的に達成している。

関連論文リスト

• FLARE-BO: Fused Luminance and Adaptive Retinex Enhancement via Bayesian Optimisation for Low-Light Robotic Vision [3.490087692799367]
  本稿では, ガンマ補正, LIMEスタイルの照明正規化, クロミナンス・デノナイジング, 両側フィルタリング, NLMデノナイジング, グレイワールド自動ホワイトバランス, 適応ポストスムーシングにまたがる8つのパラメータを共同で最適化するフレームワークであるFLARE-BOを提案する。 その結果、提案手法は、このデータセットを用いて特に訓練されていない既存の手法よりも大幅に改善された。
  論文  参考訳（メタデータ） (2026-04-23T21:51:22Z)
• 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)
• SAIGFormer: A Spatially-Adaptive Illumination-Guided Network for Low-Light Image Enhancement [58.79901582809091]
  近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。 近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。 正確な照明復元を可能にする空間適応照明誘導変圧器フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-21T11:38:56Z)
• Low-Light Enhancement via Encoder-Decoder Network with Illumination Guidance [0.0]
  本稿では,低照度画像強調のための新しいディープラーニングフレームワーク,Theを紹介する。 Illumination Guidance (EDNIG) を用いたデコーダネットワーク EDNIGはBright Channel Prior (BCP)から派生した照明マップをガイダンス入力として統合する。 合成損失関数を用いてGAN(Generative Adversarial Network)フレームワーク内で最適化され、対向損失、画素単位の平均二乗誤差(MSE)、知覚損失を組み合わせた。
  論文  参考訳（メタデータ） (2025-07-04T09:35:00Z)
• LL-Gaussian: Low-Light Scene Reconstruction and Enhancement via Gaussian Splatting for Novel View Synthesis [17.470869402542533]
  低照度シーンにおける新しいビュー合成(NVS)は、劣化した入力のために重要な課題である。 低照度sRGB画像からの3次元再構成と拡張のための新しいフレームワークであるLL-Gaussianを提案する。 最先端のNeRFベースの手法と比較して、LL-Gaussianは最大2000倍高速な推論を実現し、トレーニング時間を2%に短縮する。
  論文  参考訳（メタデータ） (2025-04-14T15:39:31Z)
• 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)
• CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
  低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。 既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。 我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
  論文  参考訳（メタデータ） (2024-04-08T07:34:39Z)
• Cycle-Interactive Generative Adversarial Network for Robust Unsupervised Low-Light Enhancement [109.335317310485]
  CIGAN(Cycle-Interactive Generative Adversarial Network)は、低照度画像間の照明分布の転送を改善できるだけでなく、詳細な信号も操作できる。 特に、提案した低照度誘導変換は、低照度GAN生成器から劣化GAN生成器へ、低照度画像の特徴をフォワードする。
  論文  参考訳（メタデータ） (2022-07-03T06:37:46Z)

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。