DarkIR: Robust Low-Light Image Restoration

要約

夜間または暗い状態での写真は、通常、薄暗い環境、および長期曝露の一般的な使用による騒音、低光およびぼやけの問題に苦しんでいます。
これらの条件の下では、脱細胞および低光の画像強化（LLIE）が関連していますが、画像修復のほとんどのアプローチはこれらのタスクを個別に解決します。
このホワイトペーパーでは、マルチタスクの低光照度画像修復のための効率的で堅牢なニューラルネットワークを紹介します。
トランスベースのモデルの現在の傾向に従う代わりに、効率的なCNNの受容フィールドを強化するための新しい注意メカニズムを提案します。
この方法は、以前の方法と比較して、パラメーターとMAC操作の観点から計算コストを削減します。
私たちのモデルであるDarkirは、人気のあるLolblur、Lolv2、およびReal-Lolblurデータセットで新しい最先端の結果を達成し、実際の夜と暗い画像を一般化することができます。
https://github.com/cidautai/darkirのコードとモデル

要約(オリジナル)

Photography during night or in dark conditions typically suffers from noise, low light and blurring issues due to the dim environment and the common use of long exposure. Although Deblurring and Low-light Image Enhancement (LLIE) are related under these conditions, most approaches in image restoration solve these tasks separately. In this paper, we present an efficient and robust neural network for multi-task low-light image restoration. Instead of following the current tendency of Transformer-based models, we propose new attention mechanisms to enhance the receptive field of efficient CNNs. Our method reduces the computational costs in terms of parameters and MAC operations compared to previous methods. Our model, DarkIR, achieves new state-of-the-art results on the popular LOLBlur, LOLv2 and Real-LOLBlur datasets, being able to generalize on real-world night and dark images. Code and models at https://github.com/cidautai/DarkIR

arxiv情報

提供元, 利用サービス

arxiv.jp, Google