このたび、Yongsong Huang (総合知インフォマティクス研究センター の助教), Tzu-Hsuan Peng, Tomo Miyazaki, Xiaofeng Liu, Chun-Ting Chou, Ai-Chun Pang, Shinichiro Omachi による以下の論文が、IEEE International Conference on Acoustics, Speech and Signal Processing（ICASSP 2026） にて発表されることが決定しました。 ICASSP は、IEEE Signal Processing Society が主催するフラッグシップ国際会議であり、信号処理およびその応用分野における最先端研究を発信する世界有数のフォーラムです。

掲載論文

Yongsong Huang, Tzu-Hsuan Peng, Tomo Miyazaki, Xiaofeng Liu, Chun-Ting Chou, Ai-Chun Pang, Shinichiro Omachi, “GTFMN: Guided Texture and Feature Modulation Network for Low-Light Image Enhancement and Super-Resolution,” Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2026.

本研究は、低照度かつ低解像度という複合的な劣化を伴う画像を対象とした超解像（Low-Light Image Super-Resolution, LLSR） の課題に取り組んでいます。自動運転や監視システムなどの実環境では、照明条件の悪さと解像度不足が同時に発生することが多く、従来の単一ストリーム型ネットワークではノイズの増幅や色ずれといった問題が生じていました。

これに対し、本研究では Guided Texture and Feature Modulation Network（GTFMN） を提案しています。本手法は、LLSR 問題を分離して扱う 二重ストリーム構造 を採用しており、空間的に変化する照度マップを推定する Illumination Stream と、その情報を利用して特徴量を動的に調整する Texture Stream から構成されます。Texture Stream 内では、新たに設計した Illumination-Guided Modulation（IGM）ブロック を用いることで、暗部では強調的な復元を行い、明るい領域では細部を保持する空間適応的な画像復元を実現しています。

OmniNormal5 および OmniNormal15 データセットを用いた大規模実験の結果、GTFMN は定量評価指標および視覚的品質の両面で 最先端（State-of-the-Art）の性能を達成するとともに、競合手法と比較して パラメータ効率にも優れることが示されました。

著者の皆様のご活躍を心よりお祝い申し上げます。