要約
低照度画像強調のタスクに対して、ディープラーニングに基づくアルゴリズムは、従来の手法と比較して優位性と有効性を実証してきた。しかしながら、主にRetinex理論に基づくこれらの手法は、入力画像のノイズや色の歪みを見落とす傾向があり、強調結果において著しいノイズ増幅や局所的な色の歪みをもたらす。これらの問題に対処するために、我々は、ノイズを増幅することなく、大域的な画像の明るさを復元しながら、局所的なテクスチャの詳細を保持することによって、低照度条件下での画質を向上させるように設計されたデュアルパス誤差補償（DPEC）法を提案する。DPECは、微妙な違いを捉えるための正確なピクセルレベルの誤差推定と、ノイズの増幅を防ぐための独立したノイズ除去メカニズムを組み込んでいる。HIS-Retinex損失を導入し、DPECの学習をガイドすることで、強調画像の輝度分布が実環境に近いことを保証する。DPECがグローバルな文脈を包括的に理解できるように訓練する一方で、計算速度とリソース効率のバランスをとるために、我々はVMambaアーキテクチャをDPECのバックボーンに統合した。包括的な定量的・定性的実験結果から、本アルゴリズムが低照度画像強調において最先端の手法を大幅に上回ることが実証された。コードは https://github.com/wangshuang233/DPEC でオンライン公開されている。
要約(オリジナル)
For the task of low-light image enhancement, deep learning-based algorithms have demonstrated superiority and effectiveness compared to traditional methods. However, these methods, primarily based on Retinex theory, tend to overlook the noise and color distortions in input images, leading to significant noise amplification and local color distortions in enhanced results. To address these issues, we propose the Dual-Path Error Compensation (DPEC) method, designed to improve image quality under low-light conditions by preserving local texture details while restoring global image brightness without amplifying noise. DPEC incorporates precise pixel-level error estimation to capture subtle differences and an independent denoising mechanism to prevent noise amplification. We introduce the HIS-Retinex loss to guide DPEC’s training, ensuring the brightness distribution of enhanced images closely aligns with real-world conditions. To balance computational speed and resource efficiency while training DPEC for a comprehensive understanding of the global context, we integrated the VMamba architecture into its backbone. Comprehensive quantitative and qualitative experimental results demonstrate that our algorithm significantly outperforms state-of-the-art methods in low-light image enhancement. The code is publicly available online at https://github.com/wangshuang233/DPEC.
arxiv情報
| 著者 | Shuang Wang,Qianwen Lu,Boxing Peng,Yihe Nie,Qingchuan Tao |
| 発行日 | 2024-11-01 02:25:50+00:00 |
| arxivサイト | arxiv_id(pdf) |