FLOL: Fast Baselines for Real-World Low-Light Enhancement

要約

低照度画像強化 (LLIE) は、コンピューテーショナル フォトグラフィーおよびイメージングにおける重要なタスクです。
夜間または暗い環境で撮影された画像を強化する問題は、画像信号処理の文献でよく研究されています。
ただし、現在の深層学習ベースのソリューションは、現実世界のシナリオ (ノイズのあるシーン、ピクセルの飽和、照明不良など) では効率と堅牢性に苦労しています。
周波数領域と空間領域での画像処理を組み合わせた軽量ニューラル ネットワークを提案します。
私たちの手法である FLOL+ は、このタスクの最速モデルの 1 つであり、LOL や LSRW などの一般的なリアル シーン データセットで最先端の結果を達成します。
さらに、1080p 画像を 12 ミリ秒未満で処理できます。
コードとモデルは https://github.com/cidautai/FLOL にあります。

要約(オリジナル)

Low-Light Image Enhancement (LLIE) is a key task in computational photography and imaging. The problem of enhancing images captured during night or in dark environments has been well-studied in the image signal processing literature. However, current deep learning-based solutions struggle with efficiency and robustness in real-world scenarios (e.g. scenes with noise, saturated pixels, bad illumination). We propose a lightweight neural network that combines image processing in the frequency and spatial domains. Our method, FLOL+, is one of the fastest models for this task, achieving state-of-the-art results on popular real scenes datasets such as LOL and LSRW. Moreover, we are able to process 1080p images under 12ms. Code and models at https://github.com/cidautai/FLOL

arxiv情報

提供元, 利用サービス

arxiv.jp, Google