論文の概要: Bidirectional Cross-frequency Domain Interaction Network for UHD Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2610.33402v1
- Date: Sat, 24 Oct 2026 02:28:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.320111
- Title: Bidirectional Cross-frequency Domain Interaction Network for UHD Low-Light Image Enhancement
- Title（参考訳）: UHD低照度画像強調のための双方向クロス周波数領域相互作用ネットワーク
- Abstract要約: UHD LLIEのための双方向クロス周波数領域相互作用ネットワーク(BiFreqNet)を提案する。
BiFreqNetは、事前訓練された可変オートエンコーダ(VAE)のマルチスケール表現にデュアルドメイン・フィーチャー・インタラクション(DFI)モジュールを組み込む
4つの一般およびUHD LLIEベンチマークの実験により、BiFreqNetは最先端の手法と比較して、競争力または優れた性能を発揮することが示された。
- 参考スコア（独自算出の注目度）: 47.09931245398363
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing Ultra-High-Definition (UHD) low-light image enhancement (LLIE) methods typically rely on either spatial- or frequency-domain modeling, or independently process different frequency components for efficient restoration. However, they often fail to jointly exploit complementary spatial--frequency information and the inherent relationship between illumination and structural information across frequencies, leading to inconsistent illumination, residual noise, and detail artifacts. In this paper, we propose a novel Bidirectional Cross-frequency Domain Interaction Network (BiFreqNet) for UHD LLIE. Specifically, BiFreqNet incorporates a Dual-domain Feature Interaction (DFI) module into the multi-scale representations of a pretrained variational autoencoder (VAE) to perform reciprocal enhancement between low- and high-frequency features. DFI consists of a Spatial and Spectral-Aware Low-Frequency Enhancement (S$^2$LFE) block and a Cross-Frequency Enhancement (CFE) block. S$^2$LFE exploits high-frequency structural cues to guide low-frequency restoration and jointly models spatial and spectral information to recover global exposure and spatially varying illumination while suppressing sensor noise. CFE further leverages the enhanced low-frequency contextual information to guide adaptive high-frequency refinement, enabling faithful reconstruction of structures and fine details. Extensive experiments on four general and UHD LLIE benchmarks demonstrate that BiFreqNet achieves competitive or superior performance compared with state-of-the-art methods.
- Abstract（参考訳）: 既存のUHD (Ultra-High-Definition) Low-light Image enhancement (LLIE) 法は一般に空間領域または周波数領域のモデリングに頼っている。
しかし、それらはしばしば補間的空間周波数情報と周波数間の照明と構造情報の固有の関係を共同で活用することができず、一貫性のない照明、残音、細かな工芸品に繋がる。
本稿では,UHD LLIEのための双方向クロス周波数領域相互作用ネットワーク(BiFreqNet)を提案する。
具体的には、BiFreqNetは、DFIモジュールを事前訓練された可変オートエンコーダ(VAE)のマルチスケール表現に組み込んで、低周波特徴と高周波特徴の相互拡張を行う。
DFIはS$^2$LFE(Spatial and Spectral-Aware Low-Frequency Enhancement)ブロックとCFE(Cross-Frequency Enhancement)ブロックで構成される。
S$2$LFEは、低周波の復元を誘導する高周波構造的手がかりを利用して、空間およびスペクトル情報を共同でモデル化し、センサノイズを抑えながら、大域的な露光と空間的に変化する照明を回復する。
CFEはさらに、拡張された低周波の文脈情報を活用して、適応的な高周波リファインメントを誘導し、構造や細部を忠実に再構築することを可能にする。
4つの一般およびUHD LLIEベンチマークの大規模な実験により、BiFreqNetは最先端の手法と比較して、競争力または優れた性能を達成している。
関連論文リスト
- DRPFNet: Dual-domain Residual Progressive Fusion Network for RGB-Thermal Object Detection [13.47934602159213]
RGB-thermal(RGB-T)オブジェクト検出は、可視・熱的モードから相補的な情報を融合して、様々な照明と気象条件下で堅牢な検出を実現することを目的としている。
現在の手法では、注意機構やトランスフォーマーを用いて、各特徴スケールで独立してクロスモーダル融合を行うのが一般的である。
本稿では,3つの相乗的レベル(構造,特徴,拡張)から統合情報フロー最適化システムを構築するDRPFNetを提案する。
論文 参考訳（メタデータ） (2026-08-04T09:20:31Z) - PF-Trans: Physics-Embedded Frequency-Aware Transformer for Spectral Reconstruction [9.122692658405116]
高忠実度リモートセンシングスペクトル再構成のための物理埋め込み周波数対応変換器(PF-Trans)を提案する。
PF-Transは最先端のパフォーマンスを実現し、GF-5上海データセット上で最大48.50dBのピーク信号対雑音比(PSNR)を達成する。
論文 参考訳（メタデータ） (2026-06-09T03:34:34Z) - UHDRes: Ultra-High-Definition Image Restoration via Dual-Domain Decoupled Spectral Modulation [0.07352098890194292]
超高精細画像(UHD)は、しばしばぼやけ、ヘイズ、雨、低照度といった深刻な劣化に悩まされる。
UHD画像復元のための新しい2領域分離スペクトル変調フレームワークであるUHDResを提案する。
論文 参考訳（メタデータ） (2025-11-07T06:28:30Z) - Frequency-Spatial Interaction Driven Network for Low-Light Image Enhancement [27.98755235982138]
低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。
2段階アーキテクチャに基づくLLIEのための新しい周波数空間相互作用駆動ネットワーク(FSIDNet)を開発した。
論文 参考訳（メタデータ） (2025-10-25T04:17:50Z) - Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。
既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。
本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
論文 参考訳（メタデータ） (2025-08-07T11:14:16Z) - Learning Multi-scale Spatial-frequency Features for Image Denoising [58.883244886588336]
本稿では,マルチスケール適応型デュアルドメインネットワーク(MADNet)を提案する。
画像ピラミッド入力を用いて低解像度画像からノイズのない結果を復元する。
高周波情報と低周波情報の相互作用を実現するために,適応型空間周波数学習ユニットを設計する。
論文 参考訳（メタデータ） (2025-06-19T13:28:09Z) - FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
計算コストの制限による顔超解像(FSR)は未解決の問題である。
既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。
本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
論文 参考訳（メタデータ） (2025-06-17T02:33:42Z) - PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。
この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
論文 参考訳（メタデータ） (2025-04-27T07:21:42Z) - Deep Fourier-embedded Network for RGB and Thermal Salient Object Detection [15.470610918037243]
本稿では,正確なRGB-T SODのための純粋フーリエ変換モデルであるDeep Fourier-embedded Network (FreqSal)を提案する。
具体的には,Fast Fourier Transformの効率を線形複雑化して3つの重要なコンポーネントを設計する。
10のバイモーダルSODベンチマークデータセットに対する実験では、FreqSalが既存の29のバイモーダルSODモデルより優れていることが示されている。
論文 参考訳（メタデータ） (2024-11-27T14:55:16Z) - Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。
本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。
低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
論文 参考訳（メタデータ） (2021-08-03T12:26:33Z)
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。