用于暗光立体图像增强的解耦跨尺度跨视角交互方法
计算机视觉与模式识别
2022-11-15 v3
摘要
低光立体图像增强（LLSIE）是一项较新的任务，旨在提升暗光条件下拍摄的视觉不佳立体图像的质量。然而，当前方法在细节恢复与光照调整上表现欠佳。我们发现原因在于：1）单一尺度的视角间交互不足，使跨视角线索无法被充分利用；2）缺乏长程依赖导致无法处理由光照退化引起的空间长程效应。为缓解这些局限，我们提出了一种称为解耦跨尺度跨视角交互网络（DCI-Net）的 LLSIE 模型。具体而言，我们提出一个旨在充分进行双视角信息交互的解耦交互模块（DIM）。DIM 将双视角信息交换解耦为发现多尺度跨视角关联并进一步探索跨尺度信息流。此外，我们提出一个空间-通道信息挖掘块（SIMB）用于视角内特征提取，其益处有二：一是捕获长程依赖以建立空间长程关系，二是扩展的通道信息精炼以增强通道维度的信息流。在 Flickr1024、KITTI 2012、KITTI 2015 和 Middlebury 数据集上的大量实验表明，我们的方法获得了更好的光照调整与细节恢复，并相较其他相关方法取得了 SOTA 性能。我们的代码、数据集与模型将公开可用。
引用
@article{arxiv.2211.00859,
title = {Decoupled Cross-Scale Cross-View Interaction for Stereo Image Enhancement in The Dark},
author = {Huan Zheng and Zhao Zhang and Jicong Fan and Richang Hong and Yi Yang and Shuicheng Yan},
journal= {arXiv preprint arXiv:2211.00859},
year = {2022}
}