論文の概要: OLiVES: An Outdoor Low-Light Video Benchmark for Enhancement and Segmentation

• arxiv url: http://arxiv.org/abs/2610.20501v2
• Date: Mon, 19 Oct 2026 17:00:24 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-21 06:56:49.130216
• Title: OLiVES: An Outdoor Low-Light Video Benchmark for Enhancement and Segmentation
• Title（参考訳）: OLiVES: 拡張とセグメンテーションのための屋外低照度ビデオベンチマーク
• Abstract要約: OLiVESはプロのシネマグレードカメラで撮影した初めての屋外低照度ビデオデータセットである。 通常のフレームと低照度フレームのペアが25,000以上、VOSアノテーションが46,000以上ある。
• 参考スコア（独自算出の注目度）: 6.685081814652436
• License:
• Abstract: Low-light video processing remains an underexplored problem in computer vision, primarily due to the scarcity of high-quality ground-truth data. Existing public datasets exhibit several limitations, including restricted motion diversity, limited scene coverage, weak degradations, reliance on auxiliary modalities such as event data, and misalignment between low-light inputs and ground truth. Furthermore, current datasets typically address either low-light enhancement or scene understanding, whereas these tasks should be considered jointly. We introduce \textbf{OLiVES}, a benchmark dataset for outdoor low-light videos with dynamic scenes, designed to support both low-light video enhancement (LLVE) and video object segmentation (VOS). The dataset addresses key content gaps by incorporating a diverse range of natural textures, animals, occlusions, dynamic activities, and close-up scenes. To the best of our knowledge, OLiVES is the first outdoor low-light video dataset captured using professional cinema-grade cameras. It provides over 25,000 aligned normal- and low-light frame pairs, along with over 46,000 VOS annotations. We benchmark state-of-the-art LLVE and VOS methods on OLiVES and show that training on it improves performance on both tasks. The OLiVES project page is available at: https://anonymous-OLiVES.github.io/.
• Abstract（参考訳）: 低照度ビデオ処理は、コンピュータビジョンでは未解決の問題であり、主に高品質の地上データが少ないためである。 既存の公開データセットには、制限された動きの多様性、シーンのカバレッジの制限、弱い劣化、イベントデータなどの補助的なモダリティへの依存、低照度入力と地上の真実の不一致など、いくつかの制限がある。 さらに、現在のデータセットは、通常、低照度エンハンスメントまたはシーン理解に対処するが、これらのタスクは共同で検討されるべきである。 我々は,低照度ビデオ拡張(LLVE)とビデオオブジェクトセグメンテーション(VOS)の両方をサポートするように設計された,動的シーンを備えた屋外低照度ビデオのベンチマークデータセットである‘textbf{OLiVES} を紹介する。 データセットは、さまざまな自然のテクスチャ、動物、オクルージョン、ダイナミックアクティビティ、クローズアップシーンを組み込むことで、主要なコンテンツギャップに対処する。 われわれの知る限り、OLiVESはプロの映画館用カメラで撮影した初めての屋外低照度ビデオデータセットだ。 通常のフレームと低照度フレームのペアが25,000以上、VOSアノテーションが46,000以上ある。 我々は,OLiVES上で最先端のLLVEとVOSの手法をベンチマークし,そのトレーニングによって両タスクのパフォーマンスが向上することを示す。 OLiVESプロジェクトページは、https://anonymous-OLiVES.github.io/で公開されている。

関連論文リスト

• Sparkle: Realizing Lively Instruction-Guided Video Background Replacement via Decoupled Guidance [54.34473644733862]
  背景の置き換えは、映画制作や広告といったクリエイティブな応用の中心である。 背景の置き換えは、完全に新しい、時間的に一貫したシーンを必要とし、正確な前景と背景の相互作用を維持する。 Sparkleは5つのバックグラウンド変更テーマにまたがる140Kビデオペアのデータセットである。
  論文  参考訳（メタデータ） (2026-05-07T16:35:34Z)
• Show Me When and Where: Towards Referring Video Object Segmentation in the Wild [98.87931411432106]
  そこで本研究では,次世代RVOSに向けた新たな設定について紹介する。 我々の新しいベンチマークでは、RVOSメソッドに挑戦して、ビデオにオブジェクトが現れる場所だけでなく、いつ現れるかを示す。 われわれのYoURVOSデータセットは命令型ベンチマークを提供しており、実用化のためのRVOSメソッドの進歩を推し進める。
  論文  参考訳（メタデータ） (2026-03-15T09:30:33Z)
• LLaVA-Video: Video Instruction Tuning With Synthetic Data [84.64519990333406]
  ビデオ命令追従のための高品質な合成データセット、すなわちLLaVA-Video-178Kを作成する。 このデータセットには、詳細なキャプション、オープンエンド質問回答(QA)、複数選択QAといった重要なタスクが含まれている。 このデータセットをトレーニングすることにより、既存の視覚的インストラクションチューニングデータと組み合わせて、新しいビデオLMMであるLLaVA-Videoを導入する。
  論文  参考訳（メタデータ） (2024-10-03T17:36:49Z)
• BVI-RLV: A Fully Registered Dataset and Benchmarks for Low-Light Video Enhancement [56.97766265018334]
  本稿では,2つの異なる低照度条件下での様々な動きシナリオを持つ40のシーンからなる低照度映像データセットを提案する。 我々は、プログラム可能なモータードリーを用いて、通常の光で捉えた完全に登録された地上真実データを提供し、異なる光レベルにわたるピクセルワイドフレームアライメントのための画像ベースアプローチによりそれを洗練する。 実験の結果,Low-light Video enhancement (LLVE) における完全登録ビデオペアの重要性が示された。
  論文  参考訳（メタデータ） (2024-07-03T22:41:49Z)
• BVI-Lowlight: Fully Registered Benchmark Dataset for Low-Light Video Enhancement [44.1973928137492]
  本稿では,2つの低照度条件下での様々な動きシナリオにおける40のシーンからなる,新しい低照度映像データセットを提案する。 我々は、プログラム可能な電動ドリーを用いて、通常の光で捉えた完全に登録された地上真実データを提供する。 画像ベースのポストプロセッシングによりそれらを洗練し、異なる光レベルにおけるフレームの画素ワイドアライメントを保証する。
  論文  参考訳（メタデータ） (2024-02-03T00:40:22Z)

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。