DPEC：低照度画像の明瞭度向上を目的とした二重経路誤差補償手法

低照度画像の増強というタスクにおいて、従来の手法と比較して、深層学習に基づくアルゴリズムは優位性と有効性を示している。しかし、これらの手法は主にRetinex理論に基づいているため、入力画像に含まれるノイズや色歪みを無視しがちであり、結果として強調画像において顕著なノイズ増幅や局所的な色歪みが生じる問題がある。この課題を解決するため、本研究では、局所的なテクスチャ詳細を保持しつつ、ノイズの増幅を抑えることなくグローバルな明るさを復元することを目的とした「二重パス誤差補償（Dual-Path Error Compensation: DPEC）」手法を提案する。DPECは、微細な差異を正確に捉えるためのピクセルレベルでの誤差推定と、ノイズの増幅を防止するための独立したノイズ低減機構を組み込んでいる。さらに、強調画像の明るさ分布が現実世界の状況に近づくように学習を導くために、HIS-Retinex損失関数を導入した。DPECの学習において、グローバルな文脈を包括的に理解しつつ、計算速度とリソース効率のバランスを保つために、バックボーンにVMambaアーキテクチャを統合した。包括的な定量的・定性的な実験結果から、本手法が最先端の低照度画像増強手法を大きく上回ることを示した。実装コードは、https://github.com/wangshuang233/DPEC にて公開されている。