IA-CLAHE：CLAHEのための画像適応型クリップ制限推定

Abstract

本論文では、画像適応型コントラスト制限付き適応ヒストグラム平坦化（IA-CLAHE）を提案する。従来のCLAHEは、さまざまなコンピュータビジョンタスクの性能を向上させ、実用的な産業用途における人間の知覚のための視覚品質を改善する目的で広く利用されている。CLAHEは、各局所領域に対してコントラスト制限付きヒストグラム平坦化を適用し、局所コントラストを強調する。しかし、CLAHEはしばしば過剰強調を引き起こす。これは、クリップ制限パラメータが各局所領域のヒストグラム分布に関係なく固定されているためである。我々のIA-CLAHEは、入力画像からタイルごとのクリップ上限を適応的に推定することで、この制限に対処する。これを実現するために、CLAHEの微分可能な拡張を用いて、軽量なクリップ上限推定器を学習し、エンドツーエンド最適化を可能にする。先行する学習ベースのCLAHE手法とは異なり、IA-CLAHEは事前に探索された教師付きのクリップ上限や、タスク固有のデータセットを必要としない。これは、入力画像のヒストグラムをドメイン不変な一様分布へと写像することを学習し、さまざまな条件に対してゼロショットで汎化できるためである。実験結果は、IA-CLAHEが人間の知覚のための視覚品質を同時に向上させながら、認識性能を一貫して改善することを示しており、タスク固有の学習データを必要としない。