DarkVisionNet：基于深度不一致先验的 RGB-NIR 融合低光照成像
计算机视觉与模式识别
2023-04-20 v2
摘要
RGB-NIR 融合是一种很有前景的低光照成像方法。然而，低光照图像中的高强度噪声放大了 RGB-NIR 图像间结构不一致的影响，导致现有算法失效。为此，我们提出了一种称为暗视觉网络（DVN）的新 RGB-NIR 融合算法，具有两项技术新颖性：深度结构与深度不一致先验（DIP）。深度结构在深度多尺度特征空间而非原始输入空间中提取清晰的结构细节，对噪声输入更具鲁棒性。基于来自 RGB 与 NIR 域的深度结构，我们引入 DIP 以利用结构不一致性来引导 RGB-NIR 的融合。得益于此，所提 DVN 获得了无视觉伪影的高质量低光照图像。我们还提出了一个称为暗视觉数据集（DVD）的新数据集，由对齐的 RGB-NIR 图像对组成，作为首个公开的 RGB-NIR 融合基准。在所提基准上的定量与定性结果表明，DVN 在 PSNR 与 SSIM 上显著优于其他对比算法，尤其在极暗光条件下。
引用
@article{arxiv.2303.06834,
title = {DarkVisionNet: Low-Light Imaging via RGB-NIR Fusion with Deep Inconsistency Prior},
author = {Shuangping Jin and Bingbing Yu and Minhao Jing and Yi Zhou and Jiajun Liang and Renhe Ji},
journal= {arXiv preprint arXiv:2303.06834},
year = {2023}
}
备注
Accepted to AAAI 2022