論文の概要: BRIC-Net: Boundary-Reliable Illumination-Color Interaction for Remote Sensing Image Deshadowing
- arxiv url: http://arxiv.org/abs/2608.00682v1
- Date: Sat, 01 Aug 2026 14:07:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.865735
- Title: BRIC-Net: Boundary-Reliable Illumination-Color Interaction for Remote Sensing Image Deshadowing
- Title（参考訳）: BRIC-Net:リモートセンシング画像デシャドーイングのための境界信頼性イルミネーション・カラーインタラクション
- Authors: Wei Lu, Yi Liu, Si-Bao,
- Abstract要約: リモートセンシング画像の影は表面の外観を曖昧にし、放射光連続性を妨害する。
本稿では、これらの障害を異なる表現レベルで分離する境界信頼性照明色相互作用ネットワーク(BRIC-Net)を提案する。
BRIC-NetはAeroDS-Synで29.46dB、SRGTAで27.96dBとなる。
- 参考スコア（独自算出の注目度）: 7.326663156595675
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Shadows in remote sensing images obscure surface appearance and disrupt radiometric continuity, reducing the reliability of visual interpretation and downstream analysis. Remote sensing image deshadowing is an ill-posed inverse problem that requires spatially varying illumination recovery while preserving chromatic and radiometric consistency in non-shadow regions. Existing methods commonly rely on hard shadow masks for compensation or directly regress RGB intensities. Hard masks may inadequately model gradual penumbra variations and are sensitive to localization errors, often producing residual shadows or halo artifacts; direct RGB regression entangles illumination recovery with chromatic reconstruction and can introduce color casts. To this end, we propose the Boundary-Reliable Illumination-Color Interaction Network (BRIC-Net), which decouples these failures at different representation levels. A Lightness Reliability Prior (LRP) derives reliability-aware guidance from CIELAB statistics. Boundary-Adaptive Gated Mixing (BAGM) performs gated interpolation between shallow RGB and lightness features around uncertain transitions, while Spatial-Channel Mutual Modulation (SCMM) coordinates deeper spatial and channel responses for appearance-preserving illumination recovery. BRIC-Net achieves 29.46~dB full-image peak signal-to-noise ratio (PSNR) on AeroDS-Syn and 27.96~dB on SRGTA. It also obtains the lowest Perception-based Image Quality Evaluator (PIQE) scores on AISD and AeroDS-Real. Region-wise evaluations and component ablations further support its effectiveness in shadow recovery and non-shadow preservation.
- Abstract（参考訳）: リモートセンシング画像の影は表面の外観を曖昧にし、放射光連続性を阻害し、視覚的解釈の信頼性と下流分析の信頼性を低下させる。
リモートセンシング画像デシェードイングは、非陰影領域における色と放射の整合性を維持しつつ、空間的に異なる照明回復を必要とする不測の逆問題である。
既存の手法では、報酬やRGBの強度を直接抑えるために、ハードシャドウマスクが一般的である。
ハードマスクは、段階的なペナムブラのバリエーションを不十分にモデル化し、ローカライゼーションエラーに敏感であり、しばしば残留影やハロのアーティファクトを生成する。
そこで本研究では,これらの障害を異なる表現レベルで分離するBundary-Reliable Illumination-Color Interaction Network (BRIC-Net)を提案する。
LRP(Lightness Reliability Prior)は、CIELAB統計から信頼性に配慮したガイダンスを導出する。
境界適応型Gated Mixing (BAGM) は、浅いRGBと不確実な遷移に伴う光度特徴の間のゲート補間を行い、Spatial-Channel Mutual Modulation (SCMM) は、より深い空間とチャネルの応答を調整し、照度を保存している。
BRIC-Netは、AeroDS-Synで29.46~dB、SRGTAで27.96〜dBのフルイメージピーク信号-ノイズ比(PSNR)を達成した。
また、AISDとAeroDS-Realで最も低い知覚ベースの画像品質評価器(PIQE)を得る。
地域的評価とコンポーネントの短縮は、シャドーリカバリおよび非シャドー保存におけるその効果をさらに裏付ける。
関連論文リスト
- Con-DSO: Learning Short-Horizon Consistency Priors for RGB-D Direct Sparse Odometry [8.079139316299182]
Con-DSOは、一貫性を意識したRGB-D直接スパースドメトリーフレームワークである。
時間的に隣接したRGB-Dフレーム対からの高密度な測光および深度幾何学的整合性の不確実性を予測する。
実験ではRGB-D VOベースラインよりも大幅に向上した。
論文 参考訳（メタデータ） (2026-05-27T04:46:52Z) - Learning Latent Proxies for Controllable Single-Image Relighting [29.76860042350802]
シングルイメージのリライトは非常に制約の少ない。
物理的プリエントを2つのレベルで統合するLightCtrlを導入する。
また、大規模なオブジェクトレベルのデータセットであるScaLightも紹介します。
論文 参考訳（メタデータ） (2026-03-16T17:16:59Z) - RAW-Flow: Advancing RGB-to-RAW Image Reconstruction with Deterministic Latent Flow Matching [55.03149221192589]
本稿では,RGBとRAW表現のギャップを埋めるためにRAW-Flowという新しいフレームワークを提案する。
また、階層的なRGB機能をフロー推定プロセスに注入する、大規模コンテキストガイダンスモジュールも導入する。
RAW-Flowは、定量的にも視覚的にも最先端のアプローチより優れている。
論文 参考訳（メタデータ） (2026-01-28T08:27:38Z) - DenseSR: Image Shadow Removal as Dense Prediction [7.765333471208582]
シングルイメージシャドウ除去(SR)は、一様でない内容劣化と固有の曖昧さによって妨げられる。
伝統的な手法は、しばしばシャドウ内部の詳細を同時に回復し、鋭い境界を維持するのに失敗する。
そこで我々は,DenseSRを提案し,より密集した予測の観点から問題にアプローチし,復元の質を強調する。
論文 参考訳（メタデータ） (2025-07-22T11:22:09Z) - Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。
SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。
スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-19T14:24:03Z) - SIRe-IR: Inverse Rendering for BRDF Reconstruction with Shadow and
Illumination Removal in High-Illuminance Scenes [51.50157919750782]
本稿では,環境マップ,アルベド,粗さにシーンを分解する暗黙のニューラルレンダリング逆アプローチSIRe-IRを提案する。
間接放射場、通常光、可視光、および直接光を同時に正確にモデル化することにより、影と間接光の両方を除去することができる。
強い照明の存在下でも,影の干渉を伴わずに高品質なアルベドと粗さを回収する。
論文 参考訳（メタデータ） (2023-10-19T10:44:23Z) - Residual Spatial Fusion Network for RGB-Thermal Semantic Segmentation [19.41334573257174]
従来の方法では、主にRGBイメージを使用し、照明条件、例えば暗闇の影響が大きい。
近年の研究では、セグメンテーションの補正モダリティとして、熱画像は夜のシナリオに頑健であることが示されている。
本稿では,RGB-TセマンティックセグメンテーションのためのResidual Spatial Fusion Network (RSFNet)を提案する。
論文 参考訳（メタデータ） (2023-06-17T14:28:08Z) - Symmetric Uncertainty-Aware Feature Transmission for Depth
Super-Resolution [52.582632746409665]
カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。
本手法は最先端の手法と比較して優れた性能を実現する。
論文 参考訳（メタデータ） (2023-06-01T06:35:59Z) - Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。
REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。
このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
論文 参考訳（メタデータ） (2020-07-21T17:30:51Z) - Physically Plausible Spectral Reconstruction from RGB Images [13.46266335798719]
我々は,CNN学習をどのように拡張して,身体的妥当性を高めるかを示す。
提案手法は, 種々の露光条件下でのスペクトル回復性能を改良する。
論文 参考訳（メタデータ） (2020-01-02T18:46:26Z)
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。