Low Light Image Enhancement

🚀 低照度画像強化のためのZero-DCE

このプロジェクトでは、低照度画像強化に零参考深度曲線推定（Zero-Reference Deep Curve Estimation, Zero-DCE）技術を実装しています。この技術は、深度ニューラルネットワークを用いて特定の画像の色調曲線を推定することで、低照度画像の品質を効果的に向上させます。

🚀 クイックスタート

Spaces Demo に直接アクセスして、このモデルの効果を体験することができます。

✨ 主な機能

• 零参考強化：Zero-DCEは、訓練過程で入力/出力画像ペアを必要とせず、精心設計された非参考損失関数を通じて強化品質を暗黙的に測定し、ネットワークの訓練を指導します。
• ダイナミックレンジ調整：軽量級の深度ネットワークDCE-Netを訓練して、ピクセルレベルと高次の色調曲線を推定し、入力画像のダイナミックレンジをピクセルレベルで調整し、強化された画像を得ます。
• 画像品質の維持：曲線推定過程は、強化画像の範囲を維持し、隣接ピクセルのコントラストを保持します。

📚 ドキュメント

プロジェクト情報

作者と貢献者情報

• 原作者：Soumik Rakshit
• 作成日：2021/09/18
• HF貢献者：Harveen Singh Chadha
• データセット：LOL Dataset

技術原理

零参考深度曲線推定（Zero-DCE）は、低照度画像強化問題を深度ニューラルネットワークを用いて特定の画像の色調曲線を推定するタスクに変換します。この例では、軽量級の深度ネットワークDCE-Netを訓練して、与えられた画像のダイナミックレンジ調整に必要なピクセルレベルと高次の色調曲線を推定します。

Zero-DCEは低照度画像を入力とし、高次の色調曲線を出力します。これらの曲線は、入力画像のダイナミックレンジをピクセルレベルで調整するために使用され、強化された画像が得られます。曲線推定過程は、強化画像の範囲を維持し、隣接ピクセルのコントラストを保持します。この曲線推定方法は、Adobe Photoshopなどの写真編集ソフトウェアの曲線調整機能にインスピレーションを得ており、ユーザーはこれらのソフトウェアで画像の色調範囲内の各点を調整することができます。

サンプル画像

📄 ライセンス

このプロジェクトは apache-2.0 ライセンスの下で提供されています。