論文の概要: Retrieval-Augmented Generation-Based Color Restoration for Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2608.08211v1
- Date: Sat, 08 Aug 2026 16:12:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.724157
- Title: Retrieval-Augmented Generation-Based Color Restoration for Low-Light Image Enhancement
- Title（参考訳）: 低照度画像強調のための検索型世代色復元
- Abstract要約: 我々は、カラー復元を独立したサブプロブレムとして再キャストし、検索強化世代(RAG)上に構築された汎用後処理モジュールとして認識した。
i) 中間VGG19特徴に基づいて構築されたデュアルインデックスFAISSレトリバー、(ii) グローバル平均および分散統計によるテクスチャ的および構造的類似性を捉え、(ii) グローバルSPHistAdaINは、グローバルカラーベクトルへの参照空間保存色ヒストグラムを減少させ、適応インスタンス正規化によりネットワーク特徴を変調し、(iii) フロントエンド出力に対する色補正を予測する残留定式化である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent low-light image enhancement (LLIE) methods have driven brightness and structural fidelity close to that of normally-exposed images, yet their outputs still exhibit systematic color shifts such as greenish skies, yellowish faces, and warm-tinted white objects. We attribute this to end-to-end LLIE training coupling brightness, structure, and color within a single network, leaving the color channels weakly supervised. We recast color restoration as an independent sub-problem and decouple it from brightness enhancement, realizing it as a general-purpose post-processing module built on retrieval-augmented generation (RAG). Rather than relying solely on parametric color priors learned during training, the module dynamically retrieves a reference image from an external high-quality color knowledge base and injects its color distribution into a color-restoration network to correct residual bias. The design has three components: (i) a dual-index FAISS retriever built on intermediate VGG19 features, capturing textural and structural similarity through global mean and variance statistics; (ii) GlobalSPHistAdaIN, which reduces the reference spatial-preserving color histogram to a global color vector and modulates network features via adaptive instance normalization, removing dependence on pixel-level correspondence; and (iii) a residual formulation that predicts a color correction over the front-end output. Across LOLv1, LOLv2-Real, and LOLv2-Synthetic, the module consistently improves color-specific metrics, and it remains effective when the front end is swapped among CPGA-Net++, LLFormer, FLIGHTNet, and IAT, confirming cross-front-end generality. Ablations show that a VGG19 dual index outperforms CLIP-based retrieval, indicating that color restoration depends on textural and structural similarity rather than high-level semantics.
- Abstract（参考訳）: 近年の低照度画像強調法(LLIE)は、通常露光された画像に近い明るさと構造的忠実度を推し進めているが、その出力には、緑がかった空、黄色がかった顔、暖色がかった白い物体など、体系的な色の変化が見られる。
これは、単一ネットワーク内の明るさ、構造、色を結合したエンドツーエンドのLLIEトレーニングによるもので、色チャネルは弱く管理されている。
我々は、カラー復元を独立したサブプロブレムとして再キャストし、輝度向上から切り離して、検索強化世代(RAG)上に構築された汎用後処理モジュールとして認識した。
トレーニング中に学習したパラメトリックな色優先にのみ依存するのではなく、モジュールは外部の高品質な色知識ベースから参照イメージを動的に取得し、その色分布を色復元ネットワークに注入して残差バイアスを補正する。
デザインには3つの要素がある。
一 中間VGG19の特徴に基づく二重インデックスFAISS検索装置で、グローバル平均及び分散統計によるテクスチャ的及び構造的類似性を捉えること。
(II)GlobalSPHistAdaINは、グローバルカラーベクトルへの参照空間保存色ヒストグラムを低減し、適応インスタンス正規化によるネットワーク特徴の変調、ピクセルレベルの対応への依存の除去、及び
三 フロントエンド出力に対する色補正を予測する残差定式化。
LOLv1、LOLv2-Real、LOLv2-Syntheticの他、このモジュールは色毎のメトリクスを一貫して改善している。
アブレーションは、VGG19二重指数がCLIPベースの検索より優れており、色復元は高レベルの意味論よりもテクスチャや構造的類似性に依存していることを示している。
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) - Towards Color-Faithful Low-Light Image Enhancement via Adaptive Color Debiasing and Saturation Rectification [17.063732568364927]
CAGEは適応色ずれとガム調和飽和補正を備えた円筒型色補正フレームワークである。
CAGEはより忠実な色復元を実現し、特に色バイアスと彩度異常を低減し、全体的な視覚的品質を向上させる。
論文 参考訳（メタデータ） (2026-08-11T05:37:54Z) - HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。
本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
論文 参考訳（メタデータ） (2026-05-13T14:14:13Z) - 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) - Histogram Assisted Quality Aware Generative Model for Resolution Invariant NIR Image Colorization [0.9064664319018063]
本稿では,分解能不変なNIR-to-RGBカラー化のための統一生成モデルHAQAGenを提案する。
提案モデルでは, (i) 異なるヒストグラムマッチング, 知覚的画像品質測定, テクスチャ情報を保存するための特徴に基づく類似性を通じて, グローバルな色統計を整合させる複合的損失項を導入する。
品質を犠牲にすることなく高分解能翻訳を可能にする適応分解能推論エンジンを導入する。
論文 参考訳（メタデータ） (2026-01-03T07:46:59Z) - Manifold-aware Representation Learning for Degradation-agnostic Image Restoration [135.90908995927194]
画像復元(IR)は、ノイズ、ぼかし、迷路、雨、低照度といった様々な汚職に影響を受ける劣化した入力から高品質な画像を復元することを目的としている。
我々は、入力特徴空間を3つのセマンティックに整列した並列分岐に明示的に分解する1つのIRにおいて、すべてに統一されたフレームワークであるMIRAGEを提案する。
このモジュラ分解は、多種多様な分解の一般化と効率を大幅に改善する。
論文 参考訳（メタデータ） (2025-05-24T12:52:10Z) - Learning Color Equivariant Representations [1.9594704501292781]
色変化に同値なグループ畳み込みニューラルネットワーク(GCNN)を導入する。
GCNNは、2次元と3次元の回転群からスケールのような半群への様々な幾何学的変換のために設計されている。
論文 参考訳（メタデータ） (2024-06-13T21:02:03Z) - Rethinking RGB Color Representation for Image Restoration Models [55.81013540537963]
各画素に局所的な近傍構造情報を保持するために表現を拡大する。
画素あたりの損失に対する表現空間の置換は、画像復元モデルのトレーニングを容易にする。
私たちの空間は、色と局所構造の両方を再構築することで、全体的なメトリクスを一貫して改善します。
論文 参考訳（メタデータ） (2024-02-05T06:38:39Z) - Modulate Your Spectrum in Self-Supervised Learning [65.963806450552]
ホワイトニング損失は、自己教師付き学習における特徴の崩壊に対する理論的保証を提供する。
埋め込みのスペクトルを変調するフレームワークであるスペクトル変換(ST)を導入する。
我々は、トレースロス(INTL)を持つIterNormという新しいSTインスタンスを提案する。
論文 参考訳（メタデータ） (2023-05-26T09:59:48Z) - Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。
カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。
LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
論文 参考訳（メタデータ） (2021-03-19T04:00:27Z) - SFANet: A Spectrum-aware Feature Augmentation Network for
Visible-Infrared Person Re-Identification [12.566284647658053]
クロスモダリティマッチング問題に対するSFANetという新しいスペクトル認識特徴量化ネットワークを提案する。
grayscale-spectrumイメージで学習すると、モダリティの不一致を低減し、内部構造関係を検出することができる。
特徴レベルでは、特定および粉砕可能な畳み込みブロックの数のバランスをとることにより、従来の2ストリームネットワークを改善します。
論文 参考訳（メタデータ） (2021-02-24T08:57:32Z)
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。