核心概念
物理的な四重先行を使用して、ゼロリファレンスの低照度強化フレームワークを提案しました。
摘要
1. 背景と目的:
低照度条件下での画像復元はコンピュータビジョンにおける重要かつ難しい課題です。
現在の手法は監督情報への依存や未知のドメインへの適応性に制限があります。
2. 過去の手法:
深層学習が低照度強化の進歩に大きく影響を与えています。
最初の深層学習ベースの低照度強化モデルは2017年に導入されました。
3. ゼロリファレンス手法:
"Zero-reference"は特別な非監督設定を指し、トレーニング用のペア付きデータもペア無しデータも利用しないことを示します。
従来型の非深層学習ベースの低照度強化アルゴリズムもゼロリファレンスに分類されます。
4. 物理的四重先行:
Kubelka-Munk理論から派生した物理的四重先行が提案されました。
光伝達理論から着想を得たこの事前情報は、異なる光源間で中立的な情報を捉えます。
5. フレームワーク構築:
物理的四重先行を使用して、事前イメージマッピングフレームワークが構築されました。
大規模生成拡散モデルを活用して、欠落した情報を補完することが可能です。