Low-light Image Enhancement via CLIP-Fourier Guided Wavelet Diffusion

要約

低光量下での画像強調技術は大幅に進歩しましたが、不安定な画質回復と不十分な視覚認識は依然として大きな課題です。
これらの問題を解決するために、我々は、CLIP-フーリエ誘導ウェーブレット拡散 (CFWD と略称) による、新規で堅牢な低照度画像強調方法を提案します。
具体的には、ウェーブレット変換に基づいた周波数領域のマルチスケール視覚言語を備えたガイド付きネットワークを設計し、効果的な画像強調を反復的に実現します。
さらに、詳細な知覚におけるフーリエ変換の利点を組み合わせて、重要な知覚能力を備えたハイブリッド周波数領域空間 (HFDPM) を構築します。
この操作はウェーブレット拡散をガイドして、画像のきめの細かい構造を回復し、多様性の混乱を回避します。
公開されている現実世界のベンチマークに関する広範な定量的および定性的な実験により、私たちの方法が既存の最先端の方法を上回り、通常の画像と同様の画像をより適切に再現できることが示されています。
コードは https://github.com/He-Jinhong/CFWD で入手できます。

要約(オリジナル)

Low-light image enhancement techniques have significantly progressed, but unstable image quality recovery and unsatisfactory visual perception are still significant challenges. To solve these problems, we propose a novel and robust low-light image enhancement method via CLIP-Fourier Guided Wavelet Diffusion, abbreviated as CFWD. Specifically, we design a guided network with a multiscale visual language in the frequency domain based on the wavelet transform to achieve effective image enhancement iteratively. In addition, we combine the advantages of Fourier transform in detail perception to construct a hybrid frequency domain space with significant perceptual capabilities(HFDPM). This operation guides wavelet diffusion to recover the fine-grained structure of the image and avoid diversity confusion. Extensive quantitative and qualitative experiments on publicly available real-world benchmarks show that our method outperforms existing state-of-the-art methods and better reproduces images similar to normal images. Code is available at https://github.com/He-Jinhong/CFWD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google