論文の概要: Toward Robust and 3D-Aware RGB-NIR Imaging in the Dark

• arxiv url: http://arxiv.org/abs/2607.29684v1
• Date: Fri, 31 Jul 2026 17:59:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.84105
• Title: Toward Robust and 3D-Aware RGB-NIR Imaging in the Dark
• Title（参考訳）: 暗黒領域におけるロバスト・3次元RGB-NIRイメージングに向けて
• Abstract要約: 本稿では,RGB-NIR低照度画像に3次元ニューラルモデリングを取り入れた新しい視点を提供する。 強力なモデルは、暗黙的に非常にノイズの多いRGB観測を3次元空間でNIRキューで融合させ、クリーンなRGBイメージを効果的に回収するために最適化することができる。
• 参考スコア（独自算出の注目度）: 68.49637363691325
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robust low-light imaging remains challenging for the community. Recent studies have explored fusing Near-Infrared (NIR) with noisy RGB to achieve improved enhancement, yet most methods depend on carefully curated training data pairs, with limited robustness under different scenarios. This paper offers a new perspective for RGB-NIR low-light imaging by incorporating 3D-aware neural modeling. Without using clean RGB supervision, a powerful model can be optimized to implicitly fuse extremely noisy RGB observations with NIR cues in 3D space, effectively recovering clean RGB images. The proposed model obviates the requirement for clean RGB data collection, generalizes across different noise levels. Extensive evaluations on synthetic and real data demonstrate its superiority. Codes available: https://github.com/MyNiuuu/3DarkFusion
• Abstract（参考訳）: コミュニティにとってロバストな低照度イメージングは依然として難しい。 近年の研究では、ノイズの多いRGBで近赤外(NIR)を融合させて改善する手法が検討されているが、ほとんどの手法は慎重に訓練されたトレーニングデータペアに依存しており、異なるシナリオ下では頑健性は限られている。 本稿では,RGB-NIR低照度画像に3次元ニューラルモデリングを取り入れた新しい視点を提供する。 クリーンなRGBの監視を使わずに、強力なモデルは暗黙的にノイズの多いRGB観察を3D空間のNIRキューで融合させ、クリーンなRGBイメージを効果的に回収することができる。 提案モデルでは, クリーンなRGBデータ収集の必要性を排除し, 様々なノイズレベルにまたがって一般化する。 合成および実データに対する広範囲な評価は、その優位性を示している。 コード:https://github.com/MyNiuuu/3DarkFusion

関連論文リスト

• SEAR: Simple and Efficient Adaptation of Visual Geometric Transformers for RGB+Thermal 3D Reconstruction [28.61594700250136]
  本稿では,事前学習した幾何学変換器をマルチモーダルRGB-T入力に適応させる戦略であるSEARを提案する。 提案手法は,3次元再構成とカメラポーズ推定において,最先端の手法よりも優れていた。 大規模なアブレーション研究を通じてアーキテクチャを検証し、モデルが両方のモダリティをどのように整合させるかを示す。
  論文  参考訳（メタデータ） (2026-03-19T11:27:21Z)
• Towards RAW Object Detection in Diverse Conditions [65.30190654593842]
  62のカテゴリにまたがる135,601のアノテーション付きインスタンスを備えた7,785の高分解能実RAW画像を提供するAODRawデータセットを紹介した。 sRGB と RAW の領域ギャップにより RAW オブジェクト検出の可能性は sRGB と RAW との事前学習によって制限されることがわかった。 我々は,RAW事前学習を支援するために,SRGBドメインで事前学習した市販のモデルから知識を抽出する。
  論文  参考訳（メタデータ） (2024-11-24T01:23:04Z)
• NIR-Assisted Image Denoising: A Selective Fusion Approach and A Real-World Benchmark Dataset [53.79524776100983]
  近赤外(NIR)画像を活用して、視認可能なRGB画像の復調を支援することで、この問題に対処する可能性を示している。 既存の作品では、NIR情報を効果的に活用して現実のイメージを飾ることに苦戦している。 先進デノナイジングネットワークにプラグイン・アンド・プレイ可能な効率的な選択核融合モジュール(SFM)を提案する。
  論文  参考訳（メタデータ） (2024-04-12T14:54:26Z)
• All in One: RGB, RGB-D, and RGB-T Salient Object Detection [6.417439550842723]
  オブジェクト指向物体検出(SOD)は、画像内の最も魅力的な物体を特定することを目的としている。 従来の研究では、個々のデータ型による唾液度検出に焦点が当てられていた。 本稿では,3種類のデータに対する健全なオブジェクト検出タスクに統一されたソリューションを提供する,革新的なモデルフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-23T03:34:41Z)
• DFormer: Rethinking RGBD Representation Learning for Semantic Segmentation [76.81628995237058]
  DFormerは、RGB-Dセグメンテーションタスクの転送可能な表現を学ぶための新しいフレームワークである。 ImageNet-1Kから画像深度ペアを使用してバックボーンを事前トレーニングする。 DFormerは2つのRGB-Dタスクで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-09-18T11:09:11Z)
• DarkVisionNet: Low-Light Imaging via RGB-NIR Fusion with Deep Inconsistency Prior [6.162654963520402]
  低照度画像における高強度ノイズは、既存のアルゴリズムに反するRGB-NIR画像間の構造不整合の影響を増幅する。 我々は、深部構造と深部不整合優先(DIP)という2つの技術的特徴を持つ新しいRGB-NIR融合アルゴリズムDark Vision Net(DVN)を提案する。 RGBドメインとNIRドメインの両方の深い構造に基づいて、RGB-NIRの融合を導くために構造不整合を利用するためのDIPを導入する。
  論文  参考訳（メタデータ） (2023-03-13T03:31:29Z)
• Boosting RGB-D Saliency Detection by Leveraging Unlabeled RGB Images [89.81919625224103]
  RGB-D Salient Object Detection (SOD) のための深層モデルの訓練は、しばしば多数のラベル付きRGB-D画像を必要とする。 本稿では、ラベルのないRGB画像を活用するために、Dual-Semi RGB-D Salient Object Detection Network (DS-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-01T03:02:27Z)
• BIPS: Bi-modal Indoor Panorama Synthesis via Residual Depth-aided Adversarial Learning [26.24526760567159]
  本稿では,新しいバイモーダル(RGB-D)パノラマ合成フレームワークを提案する。 我々は、RGB-Dパノラマが多くのアプリケーションに完全な3Dモデルを提供できる屋内環境に焦点を当てる。 本手法は,高品質な室内RGB-Dパノラマを合成し,リアルな室内3次元モデルを提供する。
  論文  参考訳（メタデータ） (2021-12-12T08:20:01Z)
• Synergistic saliency and depth prediction for RGB-D saliency detection [76.27406945671379]
  既存のRGB-Dサリエンシデータセットは小さく、多様なシナリオに対して過度に適合し、限定的な一般化につながる可能性がある。 そこで本研究では,RGB-Dサリエンシ検出のための半教師付きシステムを提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:24:41Z)

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。