CVPR 2022 | 大连理工提出自校准照明框架，用于现实场景的微光图像增强

论文链接：

https://arxiv.org/pdf/2204.10137.pdf

代码链接：

https://github.com/vis-opt-group/SCI/blob/main/model.py

摘要

现有的微光图像增强技术不仅难以处理视觉质量和计算效率，而且在未知复杂场景中通常无效。在本文中，我们开发了一个 新的自校准照明（SCI）学习框架，用于在现实世界的弱光场景中快速、灵活和鲁棒地照亮图像。

具体来说，我们建立了一个 级联照明学习过程，并通过 权重共享来处理这项任务。考虑到级联模式的计算负担，我们构建了 自校准模块，实现了每个阶段结果之间的收敛，产生了仅使用单个基本块进行推理的增益（之前的工作中尚未使用），这大大降低了计算成本。

然后定义 无监督训练损失，以提高模型适应一般场景的能力。

此外，我们对 SCI 的固有特性（现有作品中缺乏）进行了全面的探索，包括操作不敏感的适应性（在不同简单操作的设置下获得稳定的性能）和模型无关的通用性（可应用于基于光照的现有作品以提高性能）。

最后，大量的实验和消融研究充分表明了我们在质量和效率上的优势。在微光人脸检测和夜间语义分割方面的应用充分揭示了 SCI 的潜在实用价值。