Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

DRWKV: Focusing on Object Edges for Low-Light Image Enhancement

Created by
  • Haebom

作者

Xuecheng Bai, Yuxiang Wang, Boyu Hu, Qinyuan Jie, Chuanzhi Xu, Hongru Xiao, Kechen Li, Vera Chung

概要

この論文では、極端な低照度環境での画像向上のための新しいモデルであるDRWKV(Detailed Receptance Weighted Key Value)を提案します。 DRWKVは、提案されたGlobal Edge Retinex(GER)理論を統合し、照明とエッジ構造を効果的に分離し、エッジ忠実度を向上させます。さらに、空間的なエッジ連続性を捉え、不規則な構造をより効果的にモデル化するスパイラルスキャンメカニズムであるEvolving WKV Attentionを導入します。さらに、Bi-SAB(Bilateral Spectrum Aligner)とカスタマイズされたMS2-Lossを設計し、輝度と色度の特徴を合わせて視覚的な自然さを向上させ、人工物を軽減します。 5つの低照度イメージエンハンスメント(LLIE)ベンチマークの広範な実験は、DRWKVがPSNR、SSIM、NIQEで最高のパフォーマンスを達成しながら、計算の複雑さを低く保つことを示しています。さらに、低照度マルチオブジェクト追跡操作でのパフォーマンスの向上により、一般化能力を検証します。

Takeaways、Limitations

Takeaways:
極端な低照度環境での画像向上において優れた性能(PSNR、SSIM、NIQE)を達成しました。
提案されたGER理論とEvolving WKV Attention、Bi-SABにより、エッジ保存と自然な画像復元が可能になりました。
低照度マルチオブジェクトトラッキングなどのダウンストリーム操作でパフォーマンスが向上し、一般化能力に優れています。
低い計算の複雑さを維持し、高い性能を達成した。
Limitations:
論文では具体的なLimitationsは明示的に述べられていない。追加の実験や分析によってLimitationsを特定する必要があります。
ある種の低照度画像に対しては、性能劣化が生じる可能性がある。
提案されたモデルの一般化能力のより深い検証が必要です。
👍