低照度画像増強のためのグローバル構造意識型拡散プロセス

本稿では、暗所画像の増強問題に対処するための拡散ベースのフレームワークを検討する。拡散モデルの潜在能力を活かすために、我々はこの複雑なプロセスに深く立ち入るとともに、その固有のODE軌道（常微分方程式軌道）の正則化を提唱する。具体的には、最近の研究で示されたように、低曲率のODE軌道は安定かつ効果的な拡散プロセスをもたらすことに着目し、画像データの内在的な非局所構造（グローバル構造認識）に基づいた曲率正則化項を定式化する。この「グローバル構造認識正則化」は、拡散プロセスの進行に伴い、複雑なディテールの保持とコントラストの強調を段階的に促進する。この導入により、拡散プロセスに起因するノイズやアーティファクトの悪影響が軽減され、より正確かつ柔軟な画像増強が実現される。さらに、困難な領域における学習を促進するため、不確実性をガイドとする正則化手法を導入し、画像の最も極端な領域に対して制約を適切に緩和する。実験評価の結果、ランク情報に基づく正則化を組み込んだ本提案フレームワークは、最先端手法と比較して、画像品質、ノイズ抑制、コントラスト強調の点で顕著な向上を達成することが示された。本研究で提示する革新的なアプローチが、暗所画像処理分野におけるさらなる探求と発展を促すものと期待されるだけでなく、拡散モデルの他の応用分野にも潜在的な影響を与えると考えられる。実装コードは、https://github.com/jinnh/GSAD にて公開されている。