CVPR 2022 | Dalian Technology propose un cadre d'éclairage auto - étalonné pour l'amélioration de l'image de faible luminosité de la scène réelle

Liens vers les articles：

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

Liens de code：

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

Résumé

Les techniques actuelles d'amélioration de l'image à faible luminosité ne sont pas seulement difficiles à gérer la qualité de la vision et l'efficacité du calcul.,Et généralement invalide dans des scénarios complexes inconnus.Dans cet article,Nous avons développé un Nouvel éclairage auto - étalonné（SCI）Cadre d'apprentissage,Pour une utilisation rapide dans des scènes de faible luminosité dans le monde réel、Éclairage flexible et robuste des images.

Plus précisément,,Nous avons créé un Processus d'apprentissage de l'éclairage en cascade,Et à travers Partage des poidsPour gérer cette tâche.Charge de calcul compte tenu du mode cascade,Nous avons construit Module d'auto - étalonnage,La convergence entre les résultats de chaque phase est réalisée,Gain résultant de l'utilisation d'un seul bloc de base pour le raisonnement（Non utilisé dans les travaux précédents）,Cela réduit considérablement les coûts de calcul.

Et ensuite définir Perte de formation non supervisée,Pour améliorer la capacité du modèle à s'adapter à un scénario général.

En outre,Nous sommes d'accord avec SCI Caractéristiques intrinsèques（Manque d'oeuvres existantes）A fait une exploration approfondie,Y compris l'adaptabilité insensible au fonctionnement（Obtenir des performances stables avec différents réglages de fonctionnement simples） Universalité indépendante du modèle （ Peut être appliqué aux œuvres existantes basées sur l'éclairage pour améliorer les performances ）.

Enfin, Un grand nombre d'expériences et d'études d'ablation ont amplement démontré nos avantages en termes de qualité et d'efficacité . L'application de la détection faciale à faible luminosité et de la segmentation sémantique nocturne révèle pleinement SCI Valeur pratique potentielle .