HVI-CIDNet

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

Task: restoration
Ukuran: t at 256 px
Instalasi: pip install libreyolo
Tier dukungan: Hanya inferensi, sejak v1.6.0. Hanya prediksi, validasi, dan ekspor. Fitur pelatihan tidak berlaku.
Proyek upstream: HVI-CIDNet oleh HVI-CIDNet authors, MIT. Makalah, sumber
Lisensi: Kode MIT, bobot MIT. Penggunaan komersial

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

Berkas	Lisensi bobot
Restoration
LibreHVICIDNett-restore.pt	mit

Setiap berkas di atas saat ini tersedia di organisasi LibreYOLO dan diunduh saat pertama kali digunakan.

Licensing

Periksa lisensi di repositori Hugging Face untuk bobot tertentu yang diunduh. Setiap checkpoint di organisasi LibreYOLO memiliki lisensi, dan lisensinya tidak selalu sama dalam satu family. Repositori tersebut adalah sumber resmi. Ringkasan di bawah menjelaskan ketentuan yang berlaku saat halaman ini terakhir diverifikasi.

Ini adalah deskripsi lisensi yang terlibat, bukan nasihat hukum. Jika jawabannya penting secara komersial, baca sendiri lisensinya dan mintalah nasihat dari penasihat hukum Anda.

Karya asli: HVI-CIDNet, HVI-CIDNet authors
Lisensi upstream: MIT
Sumber upstream: github.com/Fediory/HVI-CIDNet
Kode LibreYOLO: MIT
Bobot: MIT, dipublikasikan ulang di huggingface.co/LibreYOLO
Interpretasi: 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}
}

Disalin dari blok sitasi penulis di raw.githubusercontent.com/Fediory/HVI-CIDNet/master/Readme.md.