面向低光超高分辨率序列的上下文着色与去噪
图像与视频处理
2022-03-04 v1 计算机视觉与模式识别
摘要
低光图像序列通常遭受时空不相干噪声、闪烁以及运动物体模糊的困扰。这些伪影显著降低视觉质量,且在大多数情况下需要后处理以生成可接受的质量。大多数基于机器学习的先进增强方法需要真值数据,但对于自然拍摄的低光序列这通常不可用。我们用一种无配对学习方法解决这些问题,该方法提供同时的着色与去噪。我们的方法是对 CycleGAN 结构的改编。为克服与超高分辨率内容相关的过度内存限制,我们提出了一种多尺度基于块(patch-based)的框架,捕获局部与上下文特征。此外,采用自适应时间平滑技术以去除闪烁伪影。实验结果表明,我们的方法在主观质量上优于现有方法,并且对亮度水平与噪声的变化具有鲁棒性。
引用
@article{arxiv.2101.01597,
title = {Contextual colorization and denoising for low-light ultra high resolution sequences},
author = {N. Anantrasirichai and David Bull},
journal= {arXiv preprint arXiv:2101.01597},
year = {2022}
}
备注
5 pages