論文の概要: Towards Color-Faithful Low-Light Image Enhancement via Adaptive Color Debiasing and Saturation Rectification
- arxiv url: http://arxiv.org/abs/2608.10512v1
- Date: Tue, 11 Aug 2026 05:37:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.919216
- Title: Towards Color-Faithful Low-Light Image Enhancement via Adaptive Color Debiasing and Saturation Rectification
- Title（参考訳）: 適応的カラーデバイアスと飽和整流によるカラーフェース低光画像強調に向けて
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 17.063732568364927
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low-light imaging often introduces color bias caused by the low signal-to-noise ratio and the image formation process. Although recent low-light image enhancement methods have achieved strong brightness recovery, faithful color restoration remains challenging, manifesting as overall color bias together with local under- and over-saturation. To address this issue, we propose CAGE, a cylindrical color correction framework with adaptive color debiasing and gamut-harmonized saturation rectification for color-faithful low-light image enhancement. We first introduce AdaLAB, a cylindrical adaptive LAB color space that provides a decoupled and image-specific basis for uniform color correction. Building on this color space, we further develop AdaCCT, an adaptive cylindrical color transform with forward and inverse transforms for the conversion between RGB and AdaLAB color space, as well as necessary color debiasing and saturation rectification. The forward transform suppresses embedded color bias before backbone enhancement by reorganizing the chromatic distribution through chromatic-plane shifting and scaling, while the inverse transform achieves faithful saturation rectification through out-of-gamut lightness compensation. Extensive experiments on multiple benchmarks show that CAGE achieves more faithful color restoration, specifically reduces color bias and saturation abnormality, and delivers better overall visual quality across different low-light enhancement backbones. The code is available at https://yangzhichen763.github.io/CAGE/.
- Abstract（参考訳）: 低照度画像は、低信号対雑音比と画像形成過程によって生じる色バイアスをしばしば導入する。
最近の低照度画像強調法は強い輝度回復を実現しているが、忠実な色復元は依然として困難であり、局所的な下や過飽和とともに全体的な色バイアスとして現れている。
この問題に対処するために,適応色偏差補正とガム調和飽和補正を併用した円筒型色補正フレームワークであるCAGEを提案する。
AdaLABは円筒型適応型LAB色空間であり、均一な色補正のための分離された画像固有の基盤を提供する。
この色空間上に構築したAdaCCTは,RGBとAdaLABの色空間の変換と彩度補正を行うための適応型円筒色変換である。
フォワード変換は、色面シフトとスケーリングにより色分布を再編成し、バックボーン強化前の埋め込み色バイアスを抑制する一方、逆変換は、アウト・オブ・ガミュート光度補償により忠実な飽和補正を実現する。
複数のベンチマークでの大規模な実験により、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、異なる低照度強化バックボーン全体にわたってより全体的な視覚的品質を提供することが示された。
コードはhttps://yangzhichen763.github.io/CAGE/で公開されている。
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) - Beyond Fixed Luminance: Towards Panchromatic and Orthochromatic Image Colorization [29.03876036090772]
フルRGB画像編集としてカラー化を定式化する輝度非依存のカラー化フレームワークを提案する。
COCO, ImageNet, およびマルチインスタンスベンチマーク実験により, 本手法は標準グレースケール入力と競合することを示した。
論文 参考訳（メタデータ） (2026-08-11T11:12:24Z) - Retrieval-Augmented Generation-Based Color Restoration for Low-Light Image Enhancement [0.0]
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。
論文 参考訳（メタデータ） (2026-08-08T16:12:12Z) - Illuminant-Adaptive 3D Lookup Tables for Camera Color Correction [10.971431168902166]
照明適応型3次元ルックアップテーブル(LUT)に基づく色補正フレームワークを提案する。
本手法は, 色度を意識した照度表現と非線形色変換を組み合わせ, 照度の下での正確な補正を可能にする。
複数のカメラ、照度、反射率データセット、実際の撮像画像に対する実験は、既存の色補正方法よりも一貫した改善を示している。
論文 参考訳（メタデータ） (2026-07-13T15:19:35Z) - VCR: Variance-Driven Channel Recalibration for Robust Low-Light Enhancement [6.074987745318463]
VCR(Variance-Driven Channel Recalibration for Robust Low-Light Enhancement)は、低照度画像強調のための新しいフレームワークである。
VCRはChannel Adaptive Adjustment (CAA)モジュールを含む2つの主要コンポーネントで構成されている。
分散誘導型特徴フィルタリングを用いて、高強度および色分布の領域に対するモデルの焦点を拡大する。
既存の方法と比較して最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-03-10T15:10:44Z) - Unifying Color and Lightness Correction with View-Adaptive Curve Adjustment for Robust 3D Novel View Synthesis [73.27997579020233]
多様な照明条件下での堅牢なNVSのための3DGSベースのフレームワークであるLuminance-GS++を提案する。
本手法は,グローバルな視野適応光度調整と局所画素ワイド残差補正を組み合わせ,正確な色補正を行う。
論文 参考訳（メタデータ） (2026-02-20T16:20:50Z) - 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) - Perception-Inspired Color Space Design for Photo White Balance Editing [20.114221919949603]
ホワイトバランス(WB)は、画像信号プロセッサ(ISP)パイプラインにおける重要なステップである。
本稿では,知覚にインスパイアされたLearable HSI(LHSI)色空間を利用するWB補正のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-10T07:27:16Z) - HVI-CIDNet+: Beyond Extreme Darkness for Low-Light Image Enhancement [56.02740727422916]
低光画像強調(LLIE)は、劣化した低光画像から鮮明なコンテンツと詳細を復元することを目的としている。
既存の標準RGB(sRGB)カラースペースベースのLLIE法は、しばしば色バイアスと明るさのアーチファクトを生成する。
HV色マップと学習可能な強度によって定義されるLLIEの新しい色空間を提案する。
HVI-CIDNet+はHVI色空間上に構築されており、損傷したコンテンツを復元し、極暗い領域における色歪みを軽減する。
論文 参考訳（メタデータ） (2025-07-09T13:03:34Z) - You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。
水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。
輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
論文 参考訳（メタデータ） (2024-02-08T16:47:43Z) - 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)
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。