論文の概要: PRIN: A Perceptual-Structural Retinex-Inspired Network for Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2610.41338v1
- Date: Fri, 30 Oct 2026 06:54:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.636627
- Title: PRIN: A Perceptual-Structural Retinex-Inspired Network for Low-Light Image Enhancement
- Title（参考訳）: PRIN:低照度画像強調のための知覚構造的網膜誘発ネットワーク
- Abstract要約: 本稿では、レチネックス先行と復元ロール認識の強化を統合したパーセプチュアル・構造的レチネックス・インスパイアネットワーク(PRIN)を提案する。
PRINは反射率と照明成分を推定するために共有エンコーダと非対称デコーダを用いる。
LOL-v1, LOL-v2-Syn, LOL-v2-Realの実験により, 提案したネットワークは, 最良構造類似度指数 (SSIM) とLOL-v1上の2番目に低い知覚的イメージパッチ類似度 (LPIPS) に結びついていることが示された。
- 参考スコア（独自算出の注目度）: 3.0032923160677516
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-light image enhancement (LLIE) focuses not only on visibility recovery but also on preserving structurally meaningful content and perceptual naturalness. Existing learning-based methods may achieve favorable pixel-wise fidelity while still producing over-smoothed textures, color deviations, or spatially incoherent illumination. Retinex-inspired methods provide interpretable decomposition into reflectance and illumination components, however, the asymmetric restoration roles of these components are rarely encoded through branch-specific frequency-domain refinement. To address this issue, we propose a Perceptual-Structural Retinex-Inspired Network (PRIN), which integrates Retinex priors with restoration-role-aware enhancement. PRIN employs a shared encoder and asymmetric decoders to estimate reflectance and illumination components. The reflectance branch performs attention-guided and edge-aware wavelet refinement to preserve textures and boundaries, whereas the illumination branch promotes spatially coherent brightness adjustment. After the recomposition of reflectance and illumination branches, a curve-based post-composition enhancement head calibrates residual tone and exposure deviations. Experiments on LOL-v1, LOL-v2-Syn, and LOL-v2-Real show that the proposed network ties for the best structural similarity index (SSIM) and obtains the second-lowest learned perceptual image patch similarity (LPIPS) on LOL-v1, achieves the best SSIM and LPIPS on LOL-v2-Syn, and obtains the highest peak signal-to-noise ratio (PSNR) and the second-lowest LPIPS on LOL-v2-Real.
- Abstract（参考訳）: 低照度画像強調(LLIE)は、可視性回復だけでなく、構造的に意味のある内容と知覚的自然性を保存することに焦点を当てている。
既存の学習ベースの手法は、過度に滑らかなテクスチャ、色差、空間的に不整合な照明を生成しながら、良好なピクセルワイド忠実性を達成することができる。
Retinex-inspireed methodは反射率と照明成分の解釈可能な分解を提供するが、これらの成分の不斉修復の役割は分岐特異的周波数領域の精製によってコード化されることは滅多にない。
この問題に対処するために,Retinex の先行機能と復元ロール認識機能を統合した Perceptual-Structural Retinex-Inspired Network (PRIN) を提案する。
PRINは反射率と照明成分を推定するために共有エンコーダと非対称デコーダを用いる。
リフレクタンスブランチは、テクスチャやバウンダリを保護するために、注意誘導及びエッジ対応のウェーブレット改質を行う一方、照明ブランチは空間的にコヒーレントな輝度調整を促進する。
反射率と照明枝の再分解後、曲線ベースのポストコンポジション強化ヘッドは残留トーンと露出偏差を校正する。
LOL-v1, LOL-v2-Syn, LOL-v2-Realを実験した結果, LOL-v1上の最良構造類似度指数(SSIM)と第2の学習知覚画像パッチ類似度(LPIPS)が得られ, LOL-v2-Syn上の最良SSIMおよびLPIPSが得られ, LOL-v2-Real上の最高信号対雑音比(PSNR)と第2の学習LPIPSが得られた。
関連論文リスト
- Light Field Primitive for Novel View Synthesis [51.46065348358383]
Light Field Primitives (LFP) は、新しいビュー合成の定式化である。
各プリミティブは、光線のグループを1つの学習されたレコードに凝縮する。
カメラ線のレンダリングは画像から直接最適化でき、リアルタイムで光線でレンダリングできる。
論文 参考訳（メタデータ） (2026-09-25T12:35:00Z) - UBLLIE: Unified Backlight and Low-Light Image Enhancement [15.386282490743838]
バックライトと低照度の画像は、しばしば激しい露光不均衡や地球規模の露出不足に悩まされる。
両タイプの劣化に対処する統一的で教師なしの強化フレームワークを提案する。
我々のフレームワークは、忠実さ、知覚的品質、一般化の観点から、最先端の教師あり、教師なしの手法を一貫して上回っている。
論文 参考訳（メタデータ） (2026-08-05T04:17:05Z) - Dual-Path Learning based on Frequency Structural Decoupling and Regional-Aware Fusion for Low-Light Image Super-Resolution [15.557346345104307]
低照度画像超解像(LLISR)は、照明条件が不十分な場合の視覚的細部と知覚的品質の回復に不可欠である。
本稿では、輝度とテクスチャを意味的に独立したコンポーネントに分離する新しい周波数認識フレームワークであるDecoupling then Perceive (DTP)を提案する。
最も広く使われているLLISRベンチマークの実験は、我々のDTPフレームワークの優位性を実証している。
論文 参考訳（メタデータ） (2026-03-28T15:15:08Z) - Light of Normals: Unified Feature Representation for Universal Photometric Stereo [69.95514862547174]
現在のエンコーダは、照明と通常の情報が切り離されていることを保証できない。
i) 点、方向、環境光を集約する光アライメント監督機能を備えた光レジスタトークン。
また,PS-Verseも導入した。PS-Verseは,幾何学的複雑性と照明の多様性を指標とした大規模合成データセットである。
論文 参考訳（メタデータ） (2025-06-23T17:53:11Z) - RISE-SDF: a Relightable Information-Shared Signed Distance Field for Glossy Object Inverse Rendering [26.988572852463815]
本稿では,新しいエンド・ツー・エンド・エンド・リライトブル・ニューラル・リバース・レンダリングシステムを提案する。
本アルゴリズムは,逆レンダリングとリライトにおける最先端性能を実現する。
実験により, 逆レンダリングおよびリライティングにおける最先端性能が得られた。
論文 参考訳（メタデータ） (2024-09-30T09:42:10Z) - Low-Light Video Enhancement via Spatial-Temporal Consistent Decomposition [52.89441679581216]
低照度ビデオエンハンスメント(LLVE)は、激しい視認性とノイズに悩まされる動的または静的なシーンの復元を目指している。
本稿では、ビューに依存しない、ビューに依存しないコンポーネントを組み込んだ革新的なビデオ分解戦略を提案する。
我々のフレームワークは、既存のメソッドを一貫して上回り、新しいSOTAパフォーマンスを確立します。
論文 参考訳（メタデータ） (2024-05-24T15:56:40Z) - Reti-Diff: Illumination Degradation Image Restoration with Retinex-based
Latent Diffusion Model [59.08821399652483]
照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。
これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。
我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。
Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
論文 参考訳（メタデータ） (2023-11-20T09:55:06Z)
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。