HVI-CIDNet

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

Task: restoration
Dimensioni: t at 256 px
Installa: pip install libreyolo
Livello di supporto: Solo inferenza, dalla v1.6.0. Solo predizione, validazione ed esportazione. Le funzionalità di addestramento non si applicano.
Origine: HVI-CIDNet di HVI-CIDNet authors, MIT. Articolo, sorgente
Licenze: Codice MIT, pesi MIT. Uso commerciale

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

File	Licenza dei pesi
Restoration
LibreHVICIDNett-restore.pt	mit

Oggi tutti i file elencati sopra sono presenti nell<link>organizzazione LibreYOLO</link> e vengono scaricati al primo utilizzo.

Licensing

Controlla la licenza nel repository Hugging Face degli specifici pesi che scarichi. Ogni checkpoint nell<link>organizzazione LibreYOLO</link> ne include una e non è sempre la stessa per tutta la famiglia. Quel repository è la fonte autorevole; il riepilogo seguente descrive le condizioni applicabili al momento dellultima verifica di questa pagina.

Questa è una descrizione delle licenze coinvolte, non una consulenza legale. Se la risposta è importante a fini commerciali, leggi personalmente le licenze e chiedi una consulenza indipendente.

Lavoro originale: HVI-CIDNet, HVI-CIDNet authors
Licenza upstream: MIT
Sorgente upstream: github.com/Fediory/HVI-CIDNet
Codice LibreYOLO: MIT
Pesi: MIT, ripubblicati su huggingface.co/LibreYOLO
Interpretazione: 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}
}

Copiato dal blocco di citazione degli autori disponibile su raw.githubusercontent.com/Fediory/HVI-CIDNet/master/Readme.md.