論文の概要: IDM-Net: A Lightweight Illumination-Decoupled Modulation Network for Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2609.30962v1
- Date: Fri, 25 Sep 2026 08:14:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.289097
- Title: IDM-Net: A Lightweight Illumination-Decoupled Modulation Network for Low-Light Image Enhancement
- Title（参考訳）: IDM-Net:低照度画像強調のための軽量イルミネーションデカップリング変調ネットワーク
- Abstract要約: IDM-Netは低照度画像強調のための軽量イルミネーションデカップリング変調ネットワークである。
マルチスケール照明キューをデコーダに注入する照明誘導変調モジュールを提案する。
複数の標準低照度画像強調ベンチマークの実験は、IMM-Netが競合性能を達成することを示した。
- 参考スコア（独自算出の注目度）: 5.758073912084364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-light image enhancement (LLIE) remains challenging for lightweight models because illumination restoration and color fidelity are difficult to optimize simultaneously in the RGB color space. Although recent color-decoupled methods separate luminance and chrominance representations, they primarily optimize luminance as an enhancement target, leaving its potential as an explicit guidance prior largely unexplored during feature reconstruction. To address this limitation, we propose IDM-Net, a lightweight Illumination-Decoupled Modulation Network for low-light image enhancement. IDM-Net adopts a dual-encoder architecture consisting of a structure encoder that extracts multi-scale appearance features from the RGB image and a lightweight illumination encoder that learns illumination priors from the decoupled luminance (Y) channel. To effectively exploit these priors, we introduce an Illumination-Guided Modulation (IGM) module that injects multi-scale illumination cues into the decoder through spatially adaptive affine modulation, enabling accurate brightness restoration while preserving natural color consistency. Furthermore, we design a lightweight Feature Refinement Block (FRB) to progressively suppress degradation artifacts and recover fine-grained image details during reconstruction. Extensive experiments on multiple standard low-light image enhancement benchmarks demonstrate that IDM-Net achieves competitive performance among lightweight LLIE methods while maintaining an excellent balance between restoration quality and computational efficiency.
- Abstract（参考訳）: 低照度画像強調(LLIE)は、RGB色空間において、照明の復元と色忠実度を同時に最適化することが難しいため、軽量モデルでは依然として困難である。
最近のカラーデカップリング法は輝度と彩色を区別するが、主に輝度を拡張ターゲットとして最適化し、特徴再構成中にほとんど探索されていない明示的なガイダンスとしての可能性を残している。
この制限に対処するため、低照度画像強調のための軽量イルミネーションデカップリング変調ネットワークであるIMM-Netを提案する。
IDM-Netは、RGB画像からマルチスケールの外観特徴を抽出する構造エンコーダと、分離された輝度(Y)チャネルから照明先行を学習する軽量照明エンコーダからなる二重エンコーダアーキテクチャを採用する。
これらの先行点を効果的に活用するために,空間適応アフィン変調によりマルチスケール照明キューをデコーダに注入する照度変調モジュール(IGM)を導入する。
さらに, 劣化アーチファクトを段階的に抑制し, 復元時に微細な画像の詳細を復元する軽量な特徴再構成ブロック (FRB) を設計する。
複数の標準低照度画像強調ベンチマークにおいて、ICM-Netは、復元品質と計算効率の優れたバランスを維持しつつ、軽量LLIE法との競合性能を達成することを示した。
関連論文リスト
- AIGS-Net: Compact Illumination Field Modeling via 2D Gaussian Splatting for Fast Low-Light Image Enhancement [19.712825613823778]
本稿では,高速低照度化のための適応照明ガウス格子ネットワーク(AIGS-Net)を提案する。
従来の静的プリミティブとは異なり、AIGS-Netは入力適応型2Dガウス散乱照明場を構築する。
実験によると、AIGS-Netは、約40の学習可能なパラメータしか必要とせず、ディテールリカバリと色忠実度を改善する。
論文 参考訳（メタデータ） (2026-06-16T14:45:55Z) - Wavelet-Domain Masked Image Modeling for Color-Consistent HDR Video Reconstruction [69.35623794013152]
高ダイナミックレンジ(LDR)ビデオ再構成は、LDRビデオから微妙な明るさ、色、詳細を復元することを目的としている。
既存の方法は、しばしば色の不正確さと時間的不整合に悩まされる。
We propose WMNet, a novel HDR video reconstruction network that leverageing Wavelet domain Masked Image Modeling。
論文 参考訳（メタデータ） (2026-02-07T06:19:23Z) - LightQANet: Quantized and Adaptive Feature Learning for Low-Light Image Enhancement [65.06462316546806]
低照度画像強調は、高品質な色とテクスチャを維持しながら照明を改善することを目的としている。
既存の手法では、低照度条件下での画素レベルの情報劣化により、信頼性の高い特徴表現の抽出に失敗することが多い。
低照度向上のための量子化・適応型特徴学習を実現する新しいフレームワークLightQANetを提案する。
論文 参考訳（メタデータ） (2025-10-16T14:54:42Z) - DIME-Net: A Dual-Illumination Adaptive Enhancement Network Based on Retinex and Mixture-of-Experts [7.6894262288762665]
本稿では,DIME-Netと呼ばれるデュアルイルミネーション向上フレームワークを提案する。
Retinex理論を統合することで、このモジュールは低照度画像とバックライト画像の両方に合わせた拡張を効果的に実行する。
DIME-Netは, 実世界の低照度データセットとバックライトデータセットの両方において, 再トレーニングを伴わずに, 競合性能を達成できることを示す。
論文 参考訳（メタデータ） (2025-08-19T15:17:47Z) - SAIGFormer: A Spatially-Adaptive Illumination-Guided Network for Low-Light Image Enhancement [58.79901582809091]
近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。
近年, トランスフォーマーを用いた低照度化手法は, 世界照明の回復に有望な進展をもたらした。
正確な照明復元を可能にする空間適応照明誘導変圧器フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-21T11:38:56Z) - LUMINA-Net: Low-light Upgrade through Multi-stage Illumination and Noise Adaptation Network for Image Enhancement [26.585985828583304]
低照度画像強調(LLIE)は、低照度条件下で撮影された画像の視覚的忠実度を高めることを目的としたコンピュータビジョンにおける重要な課題である。
LUMINA-Netは,多段照明と反射モジュールを統合することで,低照度画像ペアから適応的な事前学習を行う,教師なしのディープラーニングフレームワークである。
論文 参考訳（メタデータ） (2025-02-21T03:37:58Z) - LTCF-Net: A Transformer-Enhanced Dual-Channel Fourier Framework for Low-Light Image Restoration [1.049712834719005]
低照度画像の高精細化を目的とした新しいネットワークアーキテクチャであるLTCF-Netを導入する。
提案手法では2つの色空間(LABとYUV)を用いて色情報を効率的に分離処理する。
我々のモデルは、画像コンテンツを包括的に理解するためのTransformerアーキテクチャを取り入れている。
論文 参考訳（メタデータ） (2024-11-24T07:21:17Z) - CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。
既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。
我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
論文 参考訳（メタデータ） (2024-04-08T07:34:39Z)
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。