要旨: 夜間画像のデヘイジング（もや除去）は、靄、グロー、不均一な照明、色の歪み、センサーノイズが同時に存在することにより、依然として困難な低レベル視覚問題です。これらは、昼間のデヘイジングで一般的に用いられる仮定をしばしば無効にします。これらの課題に対処するため、我々は HistoFusionNet を提案します。これは、ヒストグラムに導かれた表現学習と周波数適応的な特徴リファインメントを組み合わせることで、夜間画像のデヘイジングに特化した、トランスフォーマ拡張型のアーキテクチャです。マルチスケールのエンコーダ・デコーダ基盤の上に構築された本手法では、ヒストグラムトランスフォーマブロックを導入し、動的レンジ特性に基づいて特徴をグループ化することで、長距離依存関係をモデル化します。これにより、複雑な夜間照明の下で、同様に劣化した領域をより効果的に統合できるようになります。さらに修復の忠実度を高めるために、周波数を意識したリファインメント分岐を組み込みます。これは、補完的な低周波および高周波の手がかりを適応的に活用し、シーンの構造の回復、アーティファクトの抑制、局所的な細部の強調を支援します。本設計により、異種の劣化が生じる実際の夜間のもやのかかったシーンに特に適した統一的な枠組みが得られます。広範な実験と、NTIRE 2026 Nighttime Image Dehazing Challenge のベンチマークにおける非常に競争力の高い性能が、提案手法の有効性を示しています。我々のチームは参加22チーム中1位にランクインし、HistoFusionNet の頑健性と競争力の高さを裏付けています。コードはこちらで利用可能です: https://github.com/heydarimo/Night-Time-Dehazing
HistoFusionNet：ヒストグラムガイド付き融合と周波数適応的リファインメントによる夜間画像除霧
arXiv cs.CV / 2026/4/7
📰 ニュースSignals & Early TrendsModels & Research
要点
- 本論文では、日中の仮定が霧、グロー、不均一な照明、色の歪み、センサノイズによって成り立たない夜間画像除霧に特化した、トランスフォーマー強化アプローチ「HistoFusionNet」を提案する。
- 動的レンジの特性に基づいて特徴をグルーピングし、同様に劣化した領域をより良く統合するとともに、長距離依存関係を捉えるためのヒストグラムガイド付き表現学習を導入する。
- 周波数適応的リファインメント枝は、補完的な低周波・高周波の手がかりを活用して、構造の復元、アーティファクトの抑制、局所的な細部の強調を行う。
- NTIRE 2026 夜間画像除霧チャレンジのベンチマークで行った実験により、非常に競争力の高い結果が報告されており、チームは22チーム中1位にランクインしている。
- 著者らは、リンクされたGitHubリポジトリを通じてオープンソース実装を提供しており、再現やさらなる実験が可能である。
