文献

J-GLOBAL ID：202202259136751155   整理番号：22A0886572

低光画像強調のための漸進的GANベース転送ネットワーク【JST・京大機械翻訳】

Progressive GAN-Based Transfer Network for Low-Light Image Enhancement

著者 (6件)： Jin Shuang (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Qi Na (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Qi Na (Beijing Institute of Artificial Intelligence, Beijing, China) ,  Zhu Qing (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Zhu Qing (Beijing Institute of Artificial Intelligence, Beijing, China) ,  Ouyang Haoran (Faculty of Information Technology, Beijing University of Technology, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13142  ページ： 292-304  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 低光条件で捉えられた画像は,通常,非常に低いコントラストと過小姿勢に悩まされ,それは,物体認識,検出,同定,追跡のような,その後のコンピュータビジョンタスクに直接利用することができない。既存の方法は,HEベースの方法,Retinex理論ベースの方法,および増幅されたノイズ,偏った色,および極端な境界を含む望ましくない強化結果を作り出す深い学習法を含んでいる。この問題に取り組むために,著者らは,低光増強を実現するために,進行性GANベースの転送ネットワークを提案するために,データ統計に基づくRetinex理論とGANの事前知識を利用した。本論文では,反射と光成分を得るためにRetinexモデルに基づくJieP法により画像を分解し,ネットワーク上の反射分解(RefDecN)による低光画像と正常光画像の反射成分間の関係を学習し,次に低光画像の反射成分を生成した。次に,他の照明転送ネットワーク(Illum TransN)を利用して,低光増強を実現するために,通常の光画像の光を反射成分に変換した。RAISE,LOLおよびMEFデータセットに関する低光画像強調の実験結果は,著者らのProGANが客観的および主観的品質に関して最先端の方法を上回ることができることを示した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  雑音 ,  学習 ,  *ネットワーク ,  照明 ,  *画像 ,  物体認識 ,  コンピュータビジョン ,  *画像強調
準シソーラス用語： 事前知識 ,  光条件 ,  retinex , 【Automatic Indexing@JST】

著者キーワード (5件)： 低光増強 ,  反射成分 ,  照明成分 ,  Retinexモデル ,  生成敵対ネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 像強調 ,  GaN ,  転送