HVI-CIDNet

HVI-CIDNet restores low-light images through hue, saturation and intensity processing.

Tâches: restoration
Tailles: t at 256 px
Installer: pip install libreyolo
Niveau de support: Inférence uniquement, depuis v1.6.0. Prédiction, validation et export uniquement. Les fonctionnalités d'entraînement ne s'appliquent pas.
Origine: HVI-CIDNet par HVI-CIDNet authors, MIT. Article, source
Licences: Code MIT, poids MIT. Usage commercial

Install

bash

pip install "libreyolo"

Predict

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreHVICIDNett-restore.pt", device="cpu")result = model(SAMPLE_IMAGE, gamma=1.0, saturation=1.0, intensity=1.0)result.restored.save("enhanced.png")

gamma, saturation and intensity each default to 1.0. Validation uses paired image data. Training and export are not supported.

Validate

Python

from libreyolo import LibreYOLO model = LibreYOLO("LibreHVICIDNett-restore.pt", device="cpu")# Paired restoration dataset YAML: degraded images in inputs/, clean targets in targets/, matched by file stem.metrics = model.val(data="path/to/your/restore.yaml", workers=0)print(metrics)

Use the dataset format for this task. Validation explains the dataset requirements and returned metrics.

Checkpoints

Fichier	Licence des poids
Restoration
LibreHVICIDNett-restore.pt	mit

Tous les fichiers ci-dessus sont actuellement disponibles dans l<link>organisation LibreYOLO</link> et sont téléchargés à la première utilisation.

Licensing

Vérifiez la licence dans le dépôt Hugging Face des poids précis que vous téléchargez. Chaque checkpoint de l<link>organisation LibreYOLO</link> en possède une, et elles ne sont pas toujours identiques au sein dune même famille. Ce dépôt fait autorité ; le résumé ci-dessous décrit les conditions applicables lors de la dernière vérification de cette page.

Ceci décrit les licences concernées et ne constitue pas un conseil juridique. Si la réponse a une importance commerciale, lisez vous-même les licences et consultez votre propre avocat.

Travail d'origine: HVI-CIDNet, HVI-CIDNet authors
Licence du projet d'origine: MIT
Source du projet d'origine: github.com/Fediory/HVI-CIDNet
Code de LibreYOLO: MIT
Poids: MIT, republiés sur huggingface.co/LibreYOLO
Interprétation: The publisher declares MIT for the model and generalization checkpoint.

Citation

@article{yan2025hvi,
  title={HVI: A New color space for Low-light Image Enhancement},
  author={Yan, Qingsen and Feng, Yixu and Zhang, Cheng and Pang, Guansong and Shi, Kangbiao and Wu, Peng and Dong, Wei and Sun, Jinqiu and Zhang, Yanning},
  journal={arXiv preprint arXiv:2502.20272},
  year={2025}
}

Copié depuis le bloc de citation des auteurs sur raw.githubusercontent.com/Fediory/HVI-CIDNet/master/Readme.md.