Beacon の中核技術である低照度画像強調手法「SD-Retinex」の論文を Zenodo で公開し、あわせて参照実装・評価コード・画像ごとの評価結果を GitHub で公開しました。
SD-Retinex は、シグモイド関数の導関数を設計原理とする Retinex 系の手法です。照明成分の推定に極を持たない実軸上のカーネルを用い、Naka–Rushton 型の有界なトーンマップで明るさを持ち上げることで、学習データも GPU も使わずに安定した補正を実現します。
公開ベンチマーク LOL（評価用15組）では、評価した学習不要手法（リポジトリ収録の SSR・MSR・LIME-like と XCR）の中で最高の PSNR 16.47 dB と最小の色差 ΔE00 15.90 を記録し、600×400 の画像を CPU 1スレッドで約18 ms（約54 FPS）で処理しました。学習済みの深層モデル Zero-DCE・SCI も、PSNR と色差で上回っています。
- 論文: doi:10.5281/zenodo.20945211
- コード・データ: github.com/toma-okugawa/sd-retinex（コードは MIT、図表と指標データは CC BY 4.0）
技術の詳細は技術ページをご覧ください。