論文の概要: Beyond Illumination: A Conditional Mutual Information-Guided Network for Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2608.01886v1
- Date: Mon, 03 Aug 2026 08:27:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.40915
- Title: Beyond Illumination: A Conditional Mutual Information-Guided Network for Low-Light Image Enhancement
- Title（参考訳）: 照明を超える:低照度画像強調のための条件付き相互情報誘導ネットワーク
- Abstract要約: 低照度画像強調(LLIE)は、不適切な照明条件下で撮影された画像から構造的忠実度、自然な色調、適切な露出を復元することを目指している。
近年のCIDNetのような最先端のアプローチでは、色覚分岐(HV)と強度分岐(I)で構成されたデュアルブランチアーキテクチャを採用して、HVI色空間内の分解および輝度情報を個別にモデル化している。
これらの手法は、強度と色覚成分の相互相互作用を見落とし、それらの表現能力を本質的に制限し、最適以下の拡張性能をもたらす。
- 参考スコア（独自算出の注目度）: 48.364582443938296
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-light image enhancement (LLIE) seeks to restore structural fidelity, natural color rendition, and proper exposure from images captured under inadequate lighting conditions. Recent state-of-the-art approaches, such as CIDNet, adopt a dual-branch architecture comprising a chrominance (HV) branch and an intensity (I) branch to separately model decoupled chromatic and luminance information within the HVI color space. However, these methods overlook the mutual interaction between intensity and chrominance components, which inherently limits their representational capacity and leads to suboptimal enhancement performance. To address this limitation, we propose the Conditional Mutual Information-Guided Network (CMIG-Net), which leverages conditional mutual information as a principled metric to quantitatively assess the contribution of chrominance features conditioned on the available intensity information. In particular, we design a Conditional Mutual Information Calibration (CMIC) module that generates a conditional information map, enabling region-adaptive recalibration of chrominance representations according to local illumination statistics. Furthermore, we introduce a Dynamic Dual-branch Information Restoration (D2IR) module, which adaptively governs bidirectional information flow between the intensity and chrominance branches, guided by both the conditional prior and the instantaneous restoration state. Extensive experiments on paired LLIE benchmarks demonstrate that CMIG-Net consistently outperforms CIDNet, achieving up to a 0.619 dB gain in PSNR, with a 0.382 dB improvement specifically on the challenging Sony-Total-Dark dataset.
- Abstract（参考訳）: 低照度画像強調(LLIE)は、不適切な照明条件下で撮影された画像から構造的忠実度、自然な色調、適切な露出を復元することを目指している。
近年のCIDNetのような最先端のアプローチでは、色覚(HV)分岐と強度(I)分岐からなるデュアルブランチアーキテクチャを採用し、HVI色空間内の色覚情報と輝度情報を分離してモデル化している。
しかし、これらの手法は強度と色覚成分の相互相互作用を見落とし、その表現能力は本質的に制限され、準最適増強性能がもたらされる。
この制限に対処するため,条件付き相互情報を原理的指標として活用し,利用可能な強度情報に基づく色度特徴の寄与度を定量的に評価する条件付き相互情報案内ネットワーク(CMIG-Net)を提案する。
特に、条件付き情報マップを生成する条件付き相互情報校正(CMIC)モジュールを設計し、局所的な照明統計に基づく色度表現の領域適応的再校正を可能にする。
さらに、動的デュアルブランチ情報復元(D2IR)モジュールを導入し、コンディショナル先行状態と瞬時回復状態の両方で誘導される強度と発色枝の間の双方向情報の流れを適応的に制御する。
ペアのLLIEベンチマークに関する大規模な実験は、CMIG-NetがCIDNetを一貫して上回り、PSNRで最大0.619dB、ソニー・トータル・ダークのデータセットで0.382dB改善したことを示している。
関連論文リスト
- BC-IHV: Conditioning the Color Space for Stable Rectified-Flow Low-Light Enhancement [51.79298431282401]
低照度画像強調は、入力ですでに支持されている上書き構造を使わずに、あいまいな露出を補正する必要がある。
本研究では, 異なる色度/強度の幹を通した対応を保ちながら, SA-RF(Structure-Anchored Rectified Flow)を提案する。
また,学習可能なBox-Cox極色空間であるBC-IHVを導入する。
論文 参考訳（メタデータ） (2026-08-22T08:43:00Z) - UBLLIE: Unified Backlight and Low-Light Image Enhancement [15.386282490743838]
バックライトと低照度の画像は、しばしば激しい露光不均衡や地球規模の露出不足に悩まされる。
両タイプの劣化に対処する統一的で教師なしの強化フレームワークを提案する。
我々のフレームワークは、忠実さ、知覚的品質、一般化の観点から、最先端の教師あり、教師なしの手法を一貫して上回っている。
論文 参考訳（メタデータ） (2026-08-05T04:17:05Z) - DRPFNet: Dual-domain Residual Progressive Fusion Network for RGB-Thermal Object Detection [13.47934602159213]
RGB-thermal(RGB-T)オブジェクト検出は、可視・熱的モードから相補的な情報を融合して、様々な照明と気象条件下で堅牢な検出を実現することを目的としている。
現在の手法では、注意機構やトランスフォーマーを用いて、各特徴スケールで独立してクロスモーダル融合を行うのが一般的である。
本稿では,3つの相乗的レベル(構造,特徴,拡張)から統合情報フロー最適化システムを構築するDRPFNetを提案する。
論文 参考訳（メタデータ） (2026-08-04T09:20:31Z) - OmniLight: One Model to Rule All Lighting Conditions [20.84793675424915]
逆照明条件は、視界と色忠実度を劣化させることによってコンピュータビジョンシステムに重大な課題をもたらす。
本稿では,2つのコントラスト戦略を探索し,照明関連画像復元に関する総合的研究を行う。
照明関連画像復元における特殊・統一アーキテクチャの性能に及ぼすデータ分布の影響について検討する。
論文 参考訳（メタデータ） (2026-04-16T15:47:49Z) - ICLR: Inter-Chrominance and Luminance Interaction for Natural Color Restoration in Low-Light Image Enhancement [43.13923532996694]
低照度画像強調(LLIE)タスクは、低照度で撮影された画像の詳細とテクスチャを復元しながらコントラストを改善することを目的としている。
HVI色空間は、色と輝度の正確な分離を可能にすることで、このタスクにおいて大きな進歩を遂げた。
本稿では,Dual-stream Interaction Enhancement Module (DIEM)とCovariance Correction Loss (CCL)を含むICLR(Inter-Chrominance and Luminance Interaction)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-17T17:12:46Z) - Towards Generalized Range-View LiDAR Segmentation in Adverse Weather [65.22588361803942]
我々は、厳しい天候下でのLiDARセグメンテーションの一般化に影響を及ぼす固有の課題を特定し、分析する。
既存のモデルのコアアーキテクチャを変更することなく、ロバスト性を高めるモジュール式で軽量なフレームワークを提案する。
提案手法は,推定オーバーヘッドを最小限に抑え,悪天候への一般化を著しく改善する。
論文 参考訳（メタデータ） (2025-06-10T16:48:27Z) - Bidirectional Image-Event Guided Fusion Framework for Low-Light Image Enhancement [24.5584423318892]
極端に低照度な条件下では、フレームベースのカメラは、ダイナミックレンジの制限により、細部が著しく失われる。
近年の研究では、イベント誘導型低照度画像強調のためのイベントカメラが導入されている。
低光画像強調のための双方向画像イベント誘導融合フレームワークBiLIEを提案する。
論文 参考訳（メタデータ） (2025-06-06T14:28:17Z) - 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) - 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) - VQCNIR: Clearer Night Image Restoration with Vector-Quantized Codebook [16.20461368096512]
夜景撮影は、暗い環境や長時間の露光から生じる、暗い光やぼやけなどの課題に苦しむことが多い。
私たちは、データ駆動の高品質な事前処理の強みを信じ、手動による事前処理の制限を回避するために、信頼性と一貫性のある事前処理の提供に努めています。
VQCNIR(Vector-Quantized Codebook)を用いたClearer Night Image Restorationを提案する。
論文 参考訳（メタデータ） (2023-12-14T02:16:27Z) - Diving into Darkness: A Dual-Modulated Framework for High-Fidelity
Super-Resolution in Ultra-Dark Environments [51.58771256128329]
本稿では,低照度超解像課題の性質を深く理解しようとする,特殊二変調学習フレームワークを提案する。
Illuminance-Semantic Dual Modulation (ISDM) コンポーネントを開発した。
包括的実験は、我々のアプローチが多様で挑戦的な超低照度条件に適用可能であることを示す。
論文 参考訳（メタデータ） (2023-09-11T06:55:32Z) - 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。