論文の概要: PiLLVD: A Real-World Low-Light Video Dataset for Dynamic Scenes Captured with Off-the-Shelf Cameras
- arxiv url: http://arxiv.org/abs/2611.16515v1
- Date: Thu, 12 Nov 2026 09:13:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.409685
- Title: PiLLVD: A Real-World Low-Light Video Dataset for Dynamic Scenes Captured with Off-the-Shelf Cameras
- Title(参考訳): PiLLVD:オフザシェルフカメラで撮影するダイナミックシーンのためのリアルタイム低照度ビデオデータセット
- Abstract要約: 我々はRaspberry Piベースのマルチカメラシステムとオフザシェルフカメラでキャプチャした、ペア化された低照度ビデオデータセットであるPiLLVDを紹介した。
PiLLVDは、屋内および屋外のダイナミックなシーンに対して、ペア化された低照度と整列した正常照度参照シーケンスを提供する。
データセットと取得パイプラインの提示に加えて、PiLLVD上で事前訓練された低照度ビデオ拡張手法をベンチマークする。
- 参考スコア(独自算出の注目度): 10.594097362671857
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-light image and video enhancement has received increasing attention in recent years. However, most existing enhancement methods are developed and evaluated on still images, while progress in low-light video enhancement remains limited by the lack of real-world paired video datasets. Acquiring paired low-light and normal-light video sequences is challenging because it requires spatially and temporally aligned captures while avoiding motion blur, exposure mismatch, and correspondence errors in dynamic scenes. To address this gap, we introduce PiLLVD, the Pi-based Low-Light Video Dataset, a paired low-light video dataset captured using an accessible Raspberry Pi-based multi-camera system with off-the-shelf cameras. PiLLVD provides paired low-light and aligned normal-light reference sequences for dynamic indoor and outdoor scenes, including diverse human and object motion under varying illumination conditions. Unlike existing datasets that are often image-based, static, synthetic, or limited to simple motion patterns, PiLLVD focuses on motion-rich scenes where frame-to-frame stability and motion-related artefacts are important for evaluation. In addition to presenting the dataset and acquisition pipeline, we benchmark representative pre-trained low-light video enhancement methods on PiLLVD under a zero-shot setting. The results show that existing methods do not generalise uniformly across the proposed sequences, highlighting the challenges posed by the proposed dataset and its value for both benchmarking existing methods and supporting the development of future low-light video enhancement algorithms.
- Abstract(参考訳): 近年,低照度画像と映像強調が注目されている。
しかし、静止画像上では既存の拡張手法が開発・評価されているのに対し、実世界のペアビデオデータセットが不足しているため、低照度ビデオ拡張の進展は限られている。
動きのぼやけ、露出ミスマッチ、ダイナミックシーンでの対応エラーを回避しつつ、空間的および時間的に整列されたキャプチャを必要とするため、ペア化された低照度および通常照度ビデオシーケンスの取得は困難である。
このギャップに対処するために、PiベースのLow-Light Video DatasetであるPiLLVDを紹介します。
PiLLVDは、様々な照明条件下での多様な人や物体の動きを含む、動的屋内および屋外のシーンに対して、ペア化された低照度と整列された正常照度参照シーケンスを提供する。
イメージベース、静的、合成、あるいは単純なモーションパターンに制限される既存のデータセットとは異なり、PiLLVDはフレーム間の安定性とモーション関連のアーティファクトが評価に重要であるモーションリッチなシーンに焦点を当てている。
データセットと取得パイプラインの提示に加えて、0ショット設定で、PiLLVD上でプレトレーニング済みの低照度ビデオ拡張手法をベンチマークする。
その結果,提案手法は提案手法を一様に一般化せず,提案したデータセットがもたらす課題と既存手法をベンチマークし,将来的な低照度ビデオエンハンスメントアルゴリズムの開発を支援することの両立を図っている。
関連論文リスト
- 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) - Towards Real-world Event-guided Low-light Video Enhancement and Deblurring [39.942568142125126]
イベントカメラは、低照度環境における画質向上のための有望なソリューションとして登場した。
これらのタスクを効果的に処理するためのエンドツーエンドフレームワークを導入します。
我々のフレームワークは、イベントやフレームからの時間情報を効率的に活用するためのモジュールを組み込んでいます。
論文 参考訳(メタデータ) (2024-08-27T09:44:54Z) - 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) - Joint Video Multi-Frame Interpolation and Deblurring under Unknown
Exposure Time [101.91824315554682]
本研究では,より現実的で挑戦的なタスク – 複数フレームのジョイントビデオと,未知の露光時間下での劣化 – を野心的に目標とする。
我々はまず,入力されたぼやけたフレームから露出認識表現を構築するために,教師付きコントラスト学習の変種を採用する。
次に、プログレッシブ露光適応型畳み込みと動き改善による露出と動きの表現に基づいて、映像再構成ネットワークを構築した。
論文 参考訳(メタデータ) (2023-03-27T09:43:42Z)
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。