用于多光源色彩恒常的条件GAN：革命还是另一种方法？
计算机视觉与模式识别
2019-04-23 v2
摘要
非均匀与多光源色彩恒常是重要的任务，其解决将允许丢弃图像中有关光照条件的信息。非均匀光照与阴影扭曲真实世界物体的颜色，且大多不含有价值信息。因此，许多计算机视觉与图像处理技术将受益于在预处理步骤中自动丢弃该信息。本工作中，我们通过基于图像条件生成对抗网络(Generative Adversarial Network, GAN)的生成式端到端算法，对这一经典问题提出新视角。我们还展示了该方法在联合阴影检测与去除方面的潜力。受训练数据缺乏所迫，我们渲染了现有最大的阴影去除数据集并公开提供。其包含约6,000对具有宽视场、带阴影与无阴影的合成图像。
引用
@article{arxiv.1811.06604,
title = {Conditional GANs for Multi-Illuminant Color Constancy: Revolution or Yet Another Approach?},
author = {Oleksii Sidorov},
journal= {arXiv preprint arXiv:1811.06604},
year = {2019}
}
备注
Accepted to CVPR 2019 Workshop (NTIRE)