論文の概要: 3L-D: A Low-Light Level Dataset from a Sensor-Agnostic, Alignment-Preserving Acquisition Framework

• arxiv url: http://arxiv.org/abs/2611.02695v1
• Date: Mon, 02 Nov 2026 07:47:23 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:11:10.708668
• Title: 3L-D: A Low-Light Level Dataset from a Sensor-Agnostic, Alignment-Preserving Acquisition Framework
• Title（参考訳）: 3L-D: センサ非依存のアライメント保存獲得フレームワークによる低光レベルデータセット
• Abstract要約: 3L-Dataset(3L-Dataset)は、モジュラーでセンサに依存しない取得フレームワークを用いて生成された、調整済みの低照度画像とビデオデータセットである。 テストベンチは、標準化されたミダバイン夜間レベルをレベル1からレベル5に忠実に再現する。 高精度プログラマブルなメカニカル・アクティベーションを用いて,シンクロナイズド・セクシュタプレット間のサブピクセル空間アライメントを保証した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Supervised low-light image and video enhancement has achieved remarkable progress, yet current models remain fundamentally constrained by the limitations of existing datasets. Prevailing methods typically rely on uncontrolled ambient captures, camera parameter manipulation (e.g., exposure or ISO adjustments), or neutral density filters, failing to replicate authentic night-sky near-infrared spectral content and genuine low-photon noise distributions. Furthermore, capturing dynamic paired sequences without introducing warping artifacts or sensor-specific biases remains an open challenge. In this paper, we introduce 3L-Dataset, a physically calibrated low-light image and video dataset generated using a modular, sensor-agnostic acquisition framework. Our test bench faithfully reproduces the standardized Midavaine night level scale from Level 1 (full moon, approximately 1000 mlx) down to Level 5 (overcast moonless night, approximately 0.1 mlx), spanning the visible to near-infrared spectrum across diverse realistic environments, including countryside, forest, urban, and desert scale models. Using high-precision programmable mechanical actuation, our acquisition framework guarantees sub-pixel spatial alignment across synchronized sextuplets, each composed of one reference image and five corresponding images acquired at the five standardized night levels, without post-processing image warping. We evaluate multiple representative deep learning baselines across varying night levels, revealing critical trade-offs between reconstruction fidelity, perceptual quality, and inference latency under severe photon starvation. The modular acquisition framework can be adapted to different cameras, optical systems, sensor technologies, and resolutions, enabling the dataset to be continuously expanded.
• Abstract（参考訳）: 改良された低照度画像とビデオの強化は目覚ましい進歩を遂げているが、現在のモデルは既存のデータセットの制限によって根本的な制約を受け続けている。 一般的な方法は、制御されていない周囲のキャプチャ、カメラパラメータの操作(例えば露光やISO調整)、中性密度フィルタに頼り、真正のナイトスキー近赤外線スペクトルと真の低光度ノイズ分布を再現できない。 さらに、ワープアーティファクトやセンサ固有のバイアスを導入することなく、動的にペア化されたシーケンスをキャプチャすることは、未解決の課題である。 本稿では,モジュラー・センサに依存しない取得フレームワークを用いて,物理的に校正された低照度画像とビデオデータセットである3L-Datasetを紹介する。 テストベンチは、レベル1(フルムーン、約1000mlx)からレベル5(オーバーキャストムーンレスナイト、約0.1mlx)まで標準化されたミダバイン夜間スケールを忠実に再現し、田園部、森林、都市、砂漠スケールモデルを含む多様な現実的な環境にわたって可視から近赤外スペクトルにまたがる。 高精度なプログラム可能なメカニカル・アクティベーションを用いて,画像ワープを施さずに,基準画像が1枚,対応する画像が5枚,それぞれ標準の夜間レベルに5枚で構成された,同期されたセクシュタプレット間のサブピクセル空間アライメントを保証した。 重篤な光子飢餓下での再現性,知覚的品質,推論遅延との重要なトレードオフを明らかにするため,様々な夜間レベルの複数の代表的な深層学習ベースラインを評価した。 モジュラー取得フレームワークは、さまざまなカメラ、光学システム、センサー技術、解像度に適応することができ、データセットを継続的に拡張することができる。

関連論文リスト

• High-Speed Full-Color HDR Imaging via Unwrapping Modulo-Encoded Spike Streams [83.83721273785281]
  高速フルカラーHDR取得が可能な全変調HDRイメージングシステムを提案する。 このアプローチの核心は、複数の測定を時間内にインターリーブできる、露出分離型モジュロイメージングの定式化である。 本システムの実現可能性を検証するため,モジュール符号化スパイクストリームに基づく概念実証ハードウェアの実装を実証した。
  論文  参考訳（メタデータ） (2026-04-16T05:20:38Z)
• M-SEVIQ: A Multi-band Stereo Event Visual-Inertial Quadruped-based Dataset for Perception under Rapid Motion and Challenging Illumination [14.477036952427271]
  M-SEVIQは、ステレオイベントカメラ、フレームベースのカメラ、慣性測定ユニット(IMU)、およびジョイントエンコーダを備えたUnitree Go2を用いて収集された、多バンドのステレオイベント可視化および慣性四倍体データセットである。 このデータセットには、異なる速度レベル、照明波長、照明条件でキャプチャされた30以上の実世界のシーケンスが含まれている。
  論文  参考訳（メタデータ） (2026-01-06T07:23:34Z)
• LuxDiT: Lighting Estimation with Video Diffusion Transformer [66.60450792095901]
  単一の画像やビデオからシーンライティングを推定することは、コンピュータビジョンとグラフィックスにおいて長年の課題である。 本稿では,映像拡散変換器を微調整し,視覚入力を前提としたHDR環境マップを生成するLuxDiTを提案する。
  論文  参考訳（メタデータ） (2025-09-03T19:59:20Z)
• Rethinking High-speed Image Reconstruction Framework with Spike Camera [48.627095354244204]
  スパイクカメラは連続的なスパイクストリームを生成し、従来のRGBカメラよりも低帯域幅でダイナミックレンジの高速シーンをキャプチャする。 従来のトレーニングパラダイムを超える新しいスパイク・ツー・イメージ再構築フレームワークであるSpikeCLIPを導入する。 実世界の低照度データセットに対する実験により、SpikeCLIPはテクスチャの詳細と回復した画像の輝度バランスを大幅に向上することが示された。
  論文  参考訳（メタデータ） (2025-01-08T13:00:17Z)
• Modeling Dual-Exposure Quad-Bayer Patterns for Joint Denoising and Deblurring [22.82877719326985]
  単一イメージのソリューションは、ノイズ低減と動きのぼかしの間に固有のトレードオフに直面している。 本稿では,新しい2重露光型Qad-Bayerパターンセンサを利用した物理モデルに基づく画像復元手法を提案する。 QRNetと呼ばれる階層型畳み込みニューラルネットワークを設計し、高品質なRGB画像を復元する。
  論文  参考訳（メタデータ） (2024-12-10T07:35:26Z)
• Dimma: Semi-supervised Low Light Image Enhancement with Adaptive Dimming [0.728258471592763]
  自然色を維持しながら低照度画像を強調することは、カメラ処理のバリエーションによって難しい問題である。 そこで我々はDimmaを提案する。Dimmaは、画像対の小さなセットを利用して、任意のカメラと整合する半教師付きアプローチである。 そこで我々は,照明の違いに基づいて,シーンの歪み色を生成する畳み込み混合密度ネットワークを導入することで実現した。
  論文  参考訳（メタデータ） (2023-10-14T17:59:46Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• Make Explicit Calibration Implicit: Calibrate Denoiser Instead of the Noise Model [83.9497193551511]
  デジタルゲインやカメラセンサーによらず有効であるLED(Lighting Every Darkness)を導入する。 LEDは明示的なノイズモデルのキャリブレーションの必要性を排除し、高速な展開と最小限のデータを必要とする暗黙の微調整プロセスを活用する。 LEDは、センサー工学の利点を生かしながら、ディープラーニングの進歩にもっと注力することを可能にする。
  論文  参考訳（メタデータ） (2023-08-07T10:09:11Z)
• Photon-Starved Scene Inference using Single Photon Cameras [14.121328731553868]
  本稿では,PPPレベルの広い範囲にまたがる高SNR画像の集合体として,光子スケール空間を提案する。 特徴表現空間において、異なる照明レベルの画像を互いに近接させる訓練手法を開発した。 提案手法に基づいて,SPADカメラを用いたシミュレーションおよび実実験により,各種推論タスクの高性能化を実証する。
  論文  参考訳（メタデータ） (2021-07-23T02:27:03Z)
• Neural Camera Simulators [39.4597887323609]
  深層ニューラルネットワークに基づく制御可能なカメラシミュレーターにより、異なるカメラ設定下で生画像データを合成する。 提案するシミュレータは、現代のレンズ設計の原理を利用して輝度レベルを補正する露光モジュールを含む。 また、ノイズレベル関数を用いたノイズモジュールと、ノイズとデフォーカスのぼかしに対する副作用をシミュレートする適応的な注意を持つ開口モジュールとを含む。
  論文  参考訳（メタデータ） (2021-04-12T07:06:27Z)

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。