ベイズ最適化による低照度ロボットビジョン向け輝度融合・適応リトネックス強調「FLARE-BO」
arXiv cs.CV / 2026/4/27
📰 ニュースTools & Practical UsageModels & Research
要点
- 本論文は、学習済みモデルを使わない訓練フリーの画像強調によって、自律ロボットにおける低照度下での信頼できる視覚認識の課題を扱っています。
- 先行研究のベイズ最適化ベースのアプローチを拡張し、ガンマ補正、照明の正規化（LIME-style）、クロマ系のデノイズ、複数のフィルタ／デノイズ処理、さらにGrey-Worldによる自動ホワイトバランスまでを含む計8つのパラメータを同時に最適化します。
- ベイズ最適化では、単位超立方体によるパラメータ正規化、目的関数の標準化、Sobolの準ランダム初期化、そしてLog Expected Improvement獲得関数による探索を用いて、拡張された探索空間を効果的に掘り下げます。
- LOL（Low Light paired）データセットでの評価では、提案手法が既存手法に対して明確な改善を示し、特にこのデータセットで訓練されていない手法に対して優位性があります。
- 本フレームワークは、輝度／照明の扱いとデノイズ挙動を改善することで低照度特有の破綻を抑え、ノイズ下でNLMがエッジを過度に平滑化しがちな問題の軽減を狙っています。
