用于低光照视频增强的时空对齐 SUNet 模型
图像与视频处理
2024-07-15 v3 计算机视觉与模式识别
摘要
低光照条件引起的失真不仅视觉上令人不适，还会降低计算机视觉任务的性能。恢复和增强已被证明是非常有益的。然而，明确针对低光照条件下获取的视频设计的增强方法数量有限。我们提出了一种时空对齐 SUNet (STA-SUNet) 模型，使用 Swin Transformer 作为骨干网络来捕捉低光照视频特征并利用其时空相关性。STA-SUNet 模型在一个新颖的、完全配准的数据集 (BVI) 上进行训练，该数据集包含在不同光照条件下捕获的动态场景。我们在三个测试数据集上将其与其他各种模型进行了对比分析。该模型在所有数据集上表现出卓越的适应性，获得了最高的 PSNR 和 SSIM 值。它在极端低光照条件下特别有效，产生了相当好的可视化结果。
引用
@article{arxiv.2403.02408,
title = {A Spatio-temporal Aligned SUNet Model for Low-light Video Enhancement},
author = {Ruirui Lin and Nantheera Anantrasirichai and Alexandra Malyugina and David Bull},
journal= {arXiv preprint arXiv:2403.02408},
year = {2024}
}