ALL-E: Aesthetics-guided Low-light Image Enhancement

要約

タイトル：ALL-E：美学に基づく低照度画像の改善

要約：

– 低照度画像の改善性能の評価は主観的であり、そのため画像改善に人間の好みを取り入れることが必要である。
– 既存の方法はこれを考慮せず、トレーニング向けに潜在的に有効なヒューリスティックな基準を提示している。
– 本論文では、美学に基づく低照度画像の改善（ALL-E）という新しいパラダイムを提案する。
– ALL-Eは、美的嗜好をLLEに導入し、美的報酬で強化学習フレームワークでトレーニングを促進することを目的とする。
– 各ピクセルは、エージェントとして機能し、再帰的なアクションにより自己を磨き上げる。すなわち、対応する調整曲線は順次推定される。
– 広範な実験により、美的評価を統合することで主観的体験と客観的評価の両方が改善されることが示された。
– 各種ベンチマークでの結果から、ALL-Eが最先端の方法よりも優れていることが示された。

要約(オリジナル)

Evaluating the performance of low-light image enhancement (LLE) is highly subjective, thus making integrating human preferences into image enhancement a necessity. Existing methods fail to consider this and present a series of potentially valid heuristic criteria for training enhancement models. In this paper, we propose a new paradigm, i.e., aesthetics-guided low-light image enhancement (ALL-E), which introduces aesthetic preferences to LLE and motivates training in a reinforcement learning framework with an aesthetic reward. Each pixel, functioning as an agent, refines itself by recursive actions, i.e., its corresponding adjustment curve is estimated sequentially. Extensive experiments show that integrating aesthetic assessment improves both subjective experience and objective evaluation. Our results on various benchmarks demonstrate the superiority of ALL-E over state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI