低照度画像強調

柔軟性と効率性に優れた拡散ベースの低照度画像強調手法

拡散モデルベースの低照度画像強調手法において、従来の手法は計算コストの高さや、高速化による画質低下のトレードオフが課題であった。本論文では、Reflectance-aware Diffusion with Distilled Trajectory (ReDDiT)と呼ばれる新しい蒸留フレームワークを提案する。ReDDiTは、教師モデルの軌跡を少ないステップ数で再現するように学習すると同時に、教師モデルの性能を超える能力も備えている。具体的には、まず教師モデルから軌跡デコーダを導入してガイダンスを提供する。次に、反射率を考慮した軌跡 refinement モジュールを蒸留プロセスに組み込むことで、教師モデルからのより確実なガイダンスを可能にする。提案手法は、わずか2ステップで従来の冗長なステップ数を持つ拡散ベースの手法に匹敵する性能を達成し、8ステップまたは4ステップではState-of-the-Art (SOTA) を達成した。

意味情報を活用した低照度画像強調ネットワークSLLEN

柔軟性と効率性に優れた拡散ベースの低照度画像強調手法