CVPR 2022 | 大連理工提出自校准照明框架，用於現實場景的微光圖像增强

論文鏈接：

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

代碼鏈接：

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

摘要

現有的微光圖像增强技術不僅難以處理視覺質量和計算效率，而且在未知複雜場景中通常無效。在本文中，我們開發了一個 新的自校准照明（SCI）學習框架，用於在現實世界的弱光場景中快速、靈活和魯棒地照亮圖像。

具體來說，我們建立了一個 級聯照明學習過程，並通過 權重共享來處理這項任務。考慮到級聯模式的計算負擔，我們構建了 自校准模塊，實現了每個階段結果之間的收斂，產生了僅使用單個基本塊進行推理的增益（之前的工作中尚未使用），這大大降低了計算成本。

然後定義 無監督訓練損失，以提高模型適應一般場景的能力。

此外，我們對 SCI 的固有特性（現有作品中缺乏）進行了全面的探索，包括操作不敏感的適應性（在不同簡單操作的設置下獲得穩定的性能）和模型無關的通用性（可應用於基於光照的現有作品以提高性能）。

最後，大量的實驗和消融研究充分錶明了我們在質量和效率上的優勢。在微光人臉檢測和夜間語義分割方面的應用充分揭示了 SCI 的潜在實用價值。