LUT-GCE: Lookup Table Global Curve Estimation for Fast Low-light Image Enhancement

要約

我々は、Lookup Table Global Curve Estimation (LUT-GCE) と呼ばれる、低照度画像強調のための効果的かつ効率的なアプローチを紹介します。
ピクセル単位の調整を行う既存の曲線ベースの方法とは対照的に、露出不足と露出過剰の両方の補正を可能にする画像全体の全体的な曲線を推定することを提案します。
具体的には、光強調のための新しい 3 次曲線定式化を開発します。これにより、画像の範囲を調整するための画像適応型でピクセルに依存しない曲線が可能になります。
次に、グローバル曲線推定ネットワーク (GCENet) を提案します。これは、パラメーターが 25.4k しかない非常に軽量なネットワークです。
推論速度をさらに高速化するために、高速検索を実現するルックアップテーブル方式を採用しています。
さらに、新しいヒストグラムの平滑性損失はゼロショット学習を可能にするように設計されており、これにより画像のコントラストが向上し、より鮮明な細部を復元できます。
定量的および定性的な結果は、提案されたアプローチの有効性を示しています。
さらに、私たちのアプローチは、特に高解像度画像 (1080p や 4k など) において、推論速度の点で最先端の手法を上回っています。

要約(オリジナル)

We present an effective and efficient approach for low-light image enhancement, named Lookup Table Global Curve Estimation (LUT-GCE). In contrast to existing curve-based methods with pixel-wise adjustment, we propose to estimate a global curve for the entire image that allows corrections for both under- and over-exposure. Specifically, we develop a novel cubic curve formulation for light enhancement, which enables an image-adaptive and pixel-independent curve for the range adjustment of an image. We then propose a global curve estimation network (GCENet), a very light network with only 25.4k parameters. To further speed up the inference speed, a lookup table method is employed for fast retrieval. In addition, a novel histogram smoothness loss is designed to enable zero-shot learning, which is able to improve the contrast of the image and recover clearer details. Quantitative and qualitative results demonstrate the effectiveness of the proposed approach. Furthermore, our approach outperforms the state of the art in terms of inference speed, especially on high-definition images (e.g., 1080p and 4k).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google