論文の概要: SEE Challenge 2026: Event-Guided Brightness Adjustment Across a Broad Illumination Range

• arxiv url: http://arxiv.org/abs/2609.29347v1
• Date: Thu, 24 Sep 2026 10:22:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.841506
• Title: SEE Challenge 2026: Event-Guided Brightness Adjustment Across a Broad Illumination Range
• Title（参考訳）: SEE Challenge 2026: 広い照明範囲にわたるイベントガイドの明るさ調整
• Abstract要約: イベントカメラは高ダイナミックレンジを提供し、従来のRGBフレームがノイズや飽和状態であるような照明条件下で輝度変化の手がかりを保持する。 広い照明範囲でイベント誘導修復のベンチマークを行うため,SEE Challenge 2026を組織した。
• 参考スコア（独自算出の注目度）: 119.04512536755472
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event cameras provide a high dynamic range and preserve brightness-change cues in lighting conditions where conventional RGB frames may be noisy or saturated. To benchmark event-guided restoration across a broad illumination range, we organized the SEE Challenge 2026 with the Event-Based Multimodal Vision Workshop at ECCV 2026. The task conditions restoration on one or more RGB frames, synchronized events, and a scalar target-brightness statistic provided by the organizers. It uses SEE-600K, which contains 610,126 image-event observations from 202 real-world scenes spanning low-light, normal-light, and high-light conditions with illumination variations of up to 1,000$\times$. The challenge follows an open-system protocol: participants may use different temporal contexts, architectures, pretrained weights, test-time augmentation, and post-processing strategies. PSNR determines the ranking, and SSIM is reported as a secondary metric. Around 70 teams registered interest and 15 valid CodaBench submissions were received. Six distinct teams completed organizer-side identity and technical verification, provided method descriptions, checkpoints, inference code, and instructions, and are included in the verified open-system ranking reported here. Beyond the ranking, this report analyzes exposure subsets, semantically distinct test cases, a shared failure pattern, system design choices, and inference strategies. The top systems obtain closely spaced average scores, while the best-performing method varies across cases and metrics; under severe underexposure, all verified systems retain visible local errors.
• Abstract（参考訳）: イベントカメラは高ダイナミックレンジを提供し、従来のRGBフレームがノイズや飽和状態であるような照明条件下で輝度変化の手がかりを保持する。 広い照明範囲でイベント誘導修復をベンチマークするために,ECCV 2026のイベントベースマルチモーダルビジョンワークショップで,SEE Challenge 2026を組織した。 タスク条件は、1つ以上のRGBフレーム、同期イベント、およびオーガナイザによって提供されるスカラー目標明度統計を復元する。 SEE-600Kは、低照度、通常照度、高照度にまたがる202の現実世界のシーンから610,126枚の画像が撮影され、照度は最大1000$\times$である。 参加者は異なる時間的コンテキスト、アーキテクチャ、事前訓練された重み付け、テスト時間拡張、後処理戦略を使用することができる。 PSNRはランキングを決定し、SSIMは二次指標として報告される。 約70のチームが興味を登録し、15の有効なコダベンチ申請が受け取った。 6つの異なるチームがオーガナイザ側のアイデンティティと技術的検証を完了し、メソッド記述、チェックポイント、推論コード、命令を提供し、ここで報告された検証済みのオープンシステムランキングに含まれている。 ランキング以外にも、このレポートでは、露出サブセット、意味的に異なるテストケース、共有障害パターン、システム設計の選択、推論戦略を分析します。 最上位のシステムは、密集した平均スコアを取得し、最高のパフォーマンスの方法は、ケースやメトリクスによって異なる。

関連論文リスト

• NTIRE 2026 Low-light Enhancement: Twilight Cowboy Challenge [91.95860565442341]
  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。
  論文  参考訳（メタデータ） (2026-08-10T16:06:48Z)
• Learning to See through Illumination Extremes with Event Streaming in Multimodal Large Language Models [26.703204607483404]
  Event-MLLMは、RGBフレームで動的にイベントストリームを融合することで、全光視覚推論を実行するイベント強化モデルである。 MLLMの最初のマルチイルミネーションイベントインストラクションコーパスを2,241個のイベントRGBサンプルでキュレートする。 実験によると、Event-MLLMは汎用性、照明適応性、イベントのみのベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2026-03-29T07:46:32Z)
• SEE: See Everything Every Time - Adaptive Brightness Adjustment for Broad Light Range Images via Events [62.23917631871362]
  ダイナミックレンジが120億ドルを超えるイベントカメラは、従来の組込みカメラをはるかに上回っている。 本研究では,広い照明条件下で撮影した画像の明るさを拡張・適応的に調整するために,イベントをどのように利用するかという,新しい研究課題を提案する。 我々のフレームワークは、センサパターンを通して色を捉え、イベントを輝度辞書としてモデル化するためにクロスアテンションを使用し、画像のダイナミックレンジを調整し、広い光域表現を形成する。
  論文  参考訳（メタデータ） (2025-02-28T14:55:37Z)
• Automatic Spectral Calibration of Hyperspectral Images:Method, Dataset and Benchmark [17.983351900962663]
  ハイパースペクトル画像(HSI)は、空間と周波数領域の両方で世界を密にサンプリングする。 通常、HSIは様々な照明条件の影響を最小限に抑えるために校正する必要がある。 本稿では,HSIを自動的に校正する学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-19T15:02:50Z)
• HUE Dataset: High-Resolution Event and Frame Sequences for Low-Light Vision [16.432164340779266]
  低照度条件下での高分解能イベントとフレームシーケンスのコレクションであるHUEデータセットを紹介する。 私たちのデータセットには、屋内、都市景観、トワイライト、夜、運転、制御されたシナリオを含む106のシーケンスが含まれています。 我々は定性評価と定量的評価の両方を用いて、最先端の低照度化と事象に基づく画像再構成手法を評価する。
  論文  参考訳（メタデータ） (2024-10-24T21:15:15Z)
• DailyDVS-200: A Comprehensive Benchmark Dataset for Event-Based Action Recognition [51.96660522869841]
  DailyDVS-200は、イベントベースのアクション認識コミュニティに適したベンチマークデータセットである。 実世界のシナリオで200のアクションカテゴリをカバーし、47人の参加者によって記録され、22,000以上のイベントシーケンスで構成されている。 DailyDVS-200には14の属性がアノテートされており、記録されたアクションの詳細なキャラクタリゼーションが保証されている。
  論文  参考訳（メタデータ） (2024-07-06T15:25:10Z)
• Implicit Event-RGBD Neural SLAM [54.74363487009845]
  神経性SLAMは近年顕著な進歩を遂げている。 既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。 本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-11-18T08:48:58Z)

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。