論文の概要: Bright-Channel Retinex Enhancement with a Conditional Overdispered-Noise Analysis
- arxiv url: http://arxiv.org/abs/2608.09137v1
- Date: Mon, 10 Aug 2026 05:30:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.093117
- Title: Bright-Channel Retinex Enhancement with a Conditional Overdispered-Noise Analysis
- Title（参考訳）: 条件過分散雑音解析によるBright-Channel Retinexの増強
- Abstract要約: 本稿では,局所的な光チャネル照明推定,レチネックス分割,エッジ保存脱雑音を併用した無トレーニング低照度化手法を提案する。
400X600の画像は、Apple M2 Pro CPU上で約43FPSで処理される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: I present a training-free low-light enhancement method that combines local bright-channel illumination estimation, Retinex division, and edge-preserving denoising. For a fixed illumination estimate, a conditional Negative -Binominal psueduo-count method characterises the heteroscedastic noise amplified by division. The unconstrained reflectance ratio is the pixelwise maximum-likelihood estimate, with a boundary solution for zero-valued observations; the implemented estimate additionally applies illumination filtering and range clipping. The NB model is a diagnostic noise analysis rather than a calibrated sensor model, and the final fixed-bandwidth bilateral filter is an empirical approximation rather than the exact Bayesian solution. On the LOL-v1 dataset, the methodobtains mean PSNR/SSIM of 17.74dB/0.739, the highest values among the evaluated with conventional methods. A 400X600 image is processed at approximately 43 FPS on an Apple M2 Pro CPU.
- Abstract（参考訳）: 本稿では,局所的な光チャネル照明推定,レチネックス分割,エッジ保存脱雑音を併用した無トレーニング低照度化手法を提案する。
固定照明推定法では, 条件付き負負極-負極数法では, 分割により増幅される異方性雑音を特徴付ける。
非拘束反射率(英語版)は、ゼロ値観測のための境界解を持つピクセルワイド最大線量推定(英語版)であり、実装された推定は照明フィルタリングとレンジクリッピング(英語版)も適用している。
NBモデルは、校正されたセンサモデルではなく、診断ノイズ解析であり、最終的な固定帯域両側フィルタは、正確なベイズ解ではなく経験的近似である。
LOL-v1データセットでは、従来の手法で評価された最も高い値である17.74dB/0.739のPSNR/SSIMの平均となる。
400X600の画像は、Apple M2 Pro CPU上で約43FPSで処理される。
関連論文リスト
- Rethinking Pixel Mean Flows via Interval Denoiser [95.11499828543344]
潜在自由生成のためのフレームワークであるInterval Denoiserを提案する。
その結果,FIDは1ステップ (1-NFE) で4.55, 2ステップ (2-NFE) で3.98であった。
論文 参考訳（メタデータ） (2026-08-05T13:22:43Z) - Luminosity-Adaptive Contrast Enhancement Using CLAHE for Retinal Fundus Images with Quantitative Validation and Comparative Analysis [0.0]
眼底画像の臨床的有用性は、一様でない照明、動きのぼかし、低コントラストによって日常的に損なわれている。
本研究では,HSV色空間分解による輝度補正とコントラスト適応ヒストグラム等化を組み合わせた2段画像強調パイプラインを提案する。
論文 参考訳（メタデータ） (2026-07-20T08:39:13Z) - Diffusion Posterior Sampling for Super-Resolution under Gaussian Measurement Noise [0.0]
単一画像超解像(SISR)のための拡散後サンプリング(DPS)に関する研究
我々は,非条件拡散と勾配に基づく条件付けを併用した,確率誘導型サンプリング手法を実装した。
誘導尺度と雑音レベルによる後部サンプリング(PS)条件の評価を行った。
論文 参考訳（メタデータ） (2025-12-25T22:22:53Z) - Divide and Conquer: Heterogeneous Noise Integration for Diffusion-based Adversarial Purification [75.09791002021947]
既存の浄化法は,前向き拡散過程を通じて一定のノイズを発生させ,その後に逆の処理を行い,クリーンな例を回復させることによって,対向的摂動を妨害することを目的としている。
この方法は、前処理の均一な操作が、対向的摂動と闘いながら通常のピクセルを損なうため、根本的な欠陥がある。
ニューラルネットワークの解釈可能性に基づく異種浄化戦略を提案する。
本手法は,被写体モデルが注目する特定の画素に対して高強度雑音を決定的に印加する一方,残りの画素は低強度雑音のみを被写体とする。
論文 参考訳（メタデータ） (2025-03-03T11:00:25Z) - ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。
提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。
提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
論文 参考訳（メタデータ） (2023-07-15T04:48:35Z) - Simultaneous Image-to-Zero and Zero-to-Noise: Diffusion Models with Analytical Image Attenuation [53.04220377034574]
高品質(未条件)な画像生成のための前方拡散プロセスに解析的画像減衰プロセスを導入することを提案する。
本手法は,フォワード画像からノイズへのマッピングを,テクスチメジからゼロへのマッピングとテクスティケロ・ツー・ノイズマッピングの同時マッピングとして表現する。
我々は,CIFAR-10やCelebA-HQ-256などの無条件画像生成や,超解像,サリエンシ検出,エッジ検出,画像インペインティングなどの画像条件下での下流処理について実験を行った。
論文 参考訳（メタデータ） (2023-06-23T18:08:00Z) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - Video shutter angle estimation using optical flow and linear blur [24.63316659365843]
本研究では,動きを含むビデオクリップのシャッター角,すなわち露出率を推定する手法を提案する。
この手法は露光率、光流、線形運動のぼかしの関係を利用する。
フレーム除去や挿入によるビデオ改ざん検出のための法医学的応用法として,本手法の妥当性を検証した。
論文 参考訳（メタデータ） (2023-03-17T20:54:04Z) - MANet: Improving Video Denoising with a Multi-Alignment Network [72.93429911044903]
本稿では,複数フローの提案とアテンションに基づく平均化を行うマルチアライメントネットワークを提案する。
大規模ビデオデータセットを用いた実験により,本手法は調音ベースラインモデルを0.2dBで改善することを示した。
論文 参考訳（メタデータ） (2022-02-20T00:52:07Z) - Learning-based Noise Component Map Estimation for Image Denoising [0.7734726150561088]
雑音の局所的、パッチ的、標準偏差のマップを推定するためのディープ畳み込みニューラルネットワーク(CNN)に基づく手法を提案する。
推定シグママップを用いた画像復調実験により,PSNRでは最新のCNNベースのブラインド画像復調法を最大6dBで上回った。
論文 参考訳（メタデータ） (2021-09-24T10:47:55Z)
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。