論文の概要: NTIRE 2026 Low-light Enhancement: Twilight Cowboy Challenge

• arxiv url: http://arxiv.org/abs/2608.09782v1
• Date: Mon, 10 Aug 2026 16:06:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.380024
• Title: NTIRE 2026 Low-light Enhancement: Twilight Cowboy Challenge
• Title（参考訳）: NTIRE 2026 低照度化:トワイライトカウボーイチャレンジ
• Abstract要約: コンペの目的は、低照度条件下で撮影された、未整合のスマートフォン画像のセットを、単一のクリーンな画像にマージすることであった。 10チームが確立されたベースラインを超え、PSNRでは+6.49 dB、SSIMでは+0.0101の改善を達成した。 その結果, 低照度環境における実環境騒音, 動き, 照度変動の処理において, 顕著な進展が認められた。
• 参考スコア（独自算出の注目度）: 91.95860565442341
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a review of the NTIRE 2026 Low-light Enhancement: Twilight Cowboy Challenge. The objective of the competition was to merge a set of misaligned smartphone images in the raw domain, captured in low-light conditions, into a single, clean image. Introduced setup simultaneously addresses two problems of low-light photography: visual degradations such as high noise and mixed scene illuminants, and the geometric inconsistencies caused by hand movement during multi-frame capture. To advance research in low-light and nighttime computational photography, a challenging dataset was collected comprising 585 real-world scenes, spanning indoor low-light and outdoor nighttime conditions, for training and benchmarking participant solutions. The competition employed a three-stage evaluation protocol: automatic validation via the CodaBench platform in stages one and two, followed by blind assessment on a private test set for the final ranking. Ten teams surpassed the established baseline, achieving improvements of up to +6.49 dB in PSNR and +0.0101 in SSIM, thereby establishing new state-of-the-art performance for burst-based low-light image enhancement. These results demonstrate significant progress in handling real-world noise, motion, and illumination variability in the low-light setting. Comprehensive results, leaderboards, and additional information are publicly available at https://nightimaging.org.
• Abstract（参考訳）: NTIRE 2026 Low-light Enhancement: Twilight Cowboy Challengeについて概説する。 コンペの目的は、低照度条件下で撮影された、未整合のスマートフォン画像のセットを、単一のクリーンな画像にマージすることであった。 導入されたセットアップは、高ノイズや混合シーン照度などの視覚的劣化と、多フレーム撮影時の手の動きによる幾何学的不整合という、低照度撮影の2つの問題に同時に対処する。 低照度および夜間の計算写真の研究を進めるために、室内の低照度および屋外の夜間条件にまたがる585の現実世界シーンからなる、参加者ソリューションのトレーニングとベンチマークのための挑戦的なデータセットが収集された。 コンペティションでは3段階評価プロトコルが採用され、CodaBenchプラットフォームによる1段階と2段階の自動検証と、最終ランキングのプライベートテストセットの盲目評価が実施された。 10チームが確立されたベースラインを越え、PSNRの+6.49 dBとSSIMの+0.0101の改善を実現し、バーストベースの低照度画像向上のための新しい最先端の性能を確立した。 これらの結果は,低照度環境における実環境騒音,運動,照明変動の処理において顕著な進展を示した。 総合的な結果、リーダーボード、その他の情報はhttps://nightimaging.org.comで公開されている。

関連論文リスト

• Low Light Image Enhancement Challenge at NTIRE 2026 [178.3397880608152]
  この課題の目的は、より鮮明で視覚的に魅力的な画像を生成することができる効果的なネットワークを特定することである。 第1トラックに195人、第2トラックに153人が登録され、22チームが最終的に有効なエントリーを提出した。 本論文は、低照度画像強調における最先端の進歩を徹底的に評価し、この分野における顕著な進歩を示す。
  論文  参考訳（メタデータ） (2026-04-19T23:44:34Z)
• NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: AI Flash Portrait (Track 3) [127.69044386248355]
  NTIRE 2026 3rd Restore Any Image Model (RAIM) の課題について概観する。 この課題は、現実世界の低照度肖像画復元のための新しいベンチマークを確立することを目的としている。 本報告では,課題の背景にあるモチベーション,データセット構築プロセス,評価指標,および競争のさまざまなフェーズについて詳述する。
  論文  参考訳（メタデータ） (2026-04-13T09:30:56Z)
• AIM 2025 Challenge on Real-World RAW Image Denoising [58.132121871352474]
  AIM 2025 Real-World RAW Image Denoising Challengeは、データ合成を基礎とした効率的で効果的な denoising 技術を推進することを目的としている。 このコンペティションは、5つの異なるDSLRカメラを使って野生で撮影された低照度ノイズ画像に挑戦する、新たに確立された評価ベンチマークの上に構築されている。 合成データに基づいて訓練されたカメラ非依存の低照度RAW画像の境界を推し進めることで、コンペティションは堅牢で実用的なモデルの開発を促進する。
  論文  参考訳（メタデータ） (2025-10-08T03:22:42Z)
• LENVIZ: A High-Resolution Low-Exposure Night Vision Benchmark Dataset [3.9155038571917005]
  Low Exposure Night Vision (LENVIZ)データセットは、低照度画像拡張のためのベンチマークデータセットである。 LENVIZは、様々な照明条件、騒音レベル、シーンの複雑さを提供しており、この分野で利用可能な最大4K解像度のベンチマークである。 各マルチ露光低照度シーンは、専門家写真家によって慎重にキュレートされ、編集され、最適な画質が確保されている。
  論文  参考訳（メタデータ） (2025-03-25T16:12:28Z)
• Illuminating Darkness: Learning to Enhance Low-light Images In-the-Wild [47.39277249268179]
  野生で収集された大規模で高解像度な4K+データセットであるLow-Light smartphone dataset (LSD)を紹介した。 LSDには6,425点の正確に整列された低照度と標準照度の画像ペアが含まれており、8000点以上のダイナミックな屋内と屋外のシーンから選択されている。 そこで本研究では,彩度と彩度を別々に符号化し,色構造との絡み合いを低減するハイブリッドモデルTFFormerを提案する。
  論文  参考訳（メタデータ） (2025-03-10T04:01:56Z)
• NTIRE 2021 Depth Guided Image Relighting Challenge [80.4620366794261]
  本稿では NTIRE 2021 depth guided image relighting Challenge について概説する。 私たちは、深度情報を含む2つのチャレンジトラックのそれぞれにVIDITデータセットに依存しています。 登録参加者は250人近くで,最終コンペティションステージには18のチームが参加しています。
  論文  参考訳（メタデータ） (2021-04-27T17:53:32Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)

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。