Analytical-Heuristic Modeling and Optimization for Low-Light Image Enhancement

要約

低照度での画像強調は依然として未解決の問題であり、人工知能の新しい波がこの問題の中心となっています。
この研究では、光が弱い場合の画像の視覚化を改善できる分析モデルを最適化するための遺伝的アルゴリズムの使用について説明します。
遺伝的アルゴリズムはメタヒューリスティック アプローチの一部であり、困難な最適化タスクの解決に役立つことが証明されています。
私たちは、暗い画像を可視画像に変換する際の物理的および計算的側面の解決策にアプローチするために、最適化推論と組み合わせた 2 つの分析手法を提案します。
実験は、提案されたアプローチが LOL ベンチマークの 26 の最先端アルゴリズムの中でトップにランクされることを示しています。
この結果は、分析的推論と組み合わせた単純な遺伝的アルゴリズムが、管理された実験と客観的な比較を通じて、困難なコンピュータ ビジョン タスクにおいて現在の主流を打ち破ることができるという証拠を示しています。
この研究は、群れおよび進化計算コミュニティ、および分析的推論やヒューリスティック推論に興味のあるその他の人々にとって、興味深い新しい研究の道を開きます。

要約(オリジナル)

Low-light image enhancement remains an open problem, and the new wave of artificial intelligence is at the center of this problem. This work describes the use of genetic algorithms for optimizing analytical models that can improve the visualization of images with poor light. Genetic algorithms are part of metaheuristic approaches, which proved helpful in solving challenging optimization tasks. We propose two analytical methods combined with optimization reasoning to approach a solution to the physical and computational aspects of transforming dark images into visible ones. The experiments demonstrate that the proposed approach ranks at the top among 26 state-of-the-art algorithms in the LOL benchmark. The results show evidence that a simple genetic algorithm combined with analytical reasoning can defeat the current mainstream in a challenging computer vision task through controlled experiments and objective comparisons. This work opens interesting new research avenues for the swarm and evolutionary computation community and others interested in analytical and heuristic reasoning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google