Deep Quantigraphic Image Enhancement via Comparametric Equations

要約

タイトル：Deep Quantigraphic Image Enhancement via Comparametric Equations
略称：CQE

要約：
– 深層学習による画像の強化方法は、分解して強化する方法と照明推定に基づく方法に大別される。
– 前者は効率が低く、後者は画像の反射率を所望の強化結果として強い仮定に基づいている。
– この仮定を緩和しつつ、効率性を高めるために、ライト画像と照明マップから強化画像への変換を多様化する新しいトレーニング可能なモジュールを提案する。
– カメラレスポンス関数と露出補償比によってパラメータ化されたcomparametric方程式として、画像強化を定式化する。
– このモジュールを照明推定に基づく深層学習ネットワークに組み込むことで、画像強化の柔軟性を向上させ、計算負荷を照明推定に限定し、完全に非監視学習を可能にして、異なるタスクの多様な要求に適応できるようにする。

要約(オリジナル)

Most recent methods of deep image enhancement can be generally classified into two types: decompose-and-enhance and illumination estimation-centric. The former is usually less efficient, and the latter is constrained by a strong assumption regarding image reflectance as the desired enhancement result. To alleviate this constraint while retaining high efficiency, we propose a novel trainable module that diversifies the conversion from the low-light image and illumination map to the enhanced image. It formulates image enhancement as a comparametric equation parameterized by a camera response function and an exposure compensation ratio. By incorporating this module in an illumination estimation-centric DNN, our method improves the flexibility of deep image enhancement, limits the computational burden to illumination estimation, and allows for fully unsupervised learning adaptable to the diverse demands of different tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI