Core Concepts
強力な生成事前知識を活用して、低照度環境下でのニューラルISPを向上させる方法を提案する。
Abstract
概要
現代のデジタルカメラにおける極めて低照度のノイズの多いRAW画像を、クリーンなsRGB画像に変換することは重要な課題。
本論文では、事前にトレーニングされた潜在拡散モデルを活用して、極端に低照度の画像を向上させるためのニューラルISPを実行する方法を提案。
2D離散ウェーブレット変換を使用してLLIEタスクを低周波数コンテンツ生成と高周波数詳細保持に分解。
提案手法は定量的評価で最先端の性能を達成し、視覚的比較でも強力な生成優先事前知識の効果を示す。
1. 導入
現代デジタルカメラにおける極めて低照度条件下での撮影は長年の課題。
学習ベースの手法が有効な進歩を遂げているが、既存手法は限られたペアデータから学習し、極端な低照度下では不十分。
2. 高周波数詳細保持
デコーダDで高周波「調整」は、正確な色再現と明確な詳細が得られるように設計されている。
3. 実験結果
提案手法は他手法と比較して明らかな優位性があり、特にノイズ領域で構造情報を回復し詳細情報を強化。
Stats
Prior approaches have difficulties in recovering fine-grained details and true colors of the scene under extremely low-light environments due to near-to-zero SNR.
Extensive evaluations conducted on three widely-used real-world datasets demonstrate state-of-the-art performance in quantitative evaluations.