あなたは1つの色空間だけが必要です：低光画像の強化ための効率的なネットワーク

低光画像強化（Low-Light Image Enhancement: LLIE）のタスクは、劣化した低光画像から詳細と視覚情報を復元することを目指しています。既存の多くの手法では、深層ニューラルネットワーク（Deep Neural Networks: DNNs）を用いてsRGBおよびHSV色空間上で低光/通常光画像間のマッピング関数を学習しています。しかし、強化は画像信号の増幅を伴うため、低信頼性高ノイズ比（signal-to-noise ratio）の低光画像にこれらの色空間を適用すると、強化プロセス中に感度と不安定性が導入される可能性があります。その結果、強化された画像には色アーティファクトや明るさアーティファクトが現れることがあります。この問題を緩和するために、我々は新しい学習可能な色空間である水平/垂直-輝度（Horizontal/Vertical-Intensity: HVI）を提案します。HVIは、RGBチャネルから輝度と色を分離することで強化過程中の不安定性を軽減するだけでなく、学習可能なパラメータにより異なる照明範囲の低光画像にも適応します。さらに、HVI空間で分離された画像の輝度と色を処理するための2つのブランチを持つ新しい色彩と輝度分離ネットワーク（Color and Intensity Decoupling Network: CIDNet）を設計しました。CIDNet内では、軽量クロスアテンション（Lightweight Cross-Attention: LCA）モジュールを導入し、両ブランチでの画像構造情報とコンテンツ情報の相互作用を促進するとともに、低光画像におけるノイズも抑制します。最後に、11のデータセットに対して22の定量的および定性的実験を行い、提案されたCIDNetが最先端の手法よりも優れていることを示しました。コードは https://github.com/Fediory/HVI-CIDNet で公開されています。