用于高效自动白平衡校正的确定性神经光照映射
计算机视觉与模式识别
2023-08-09 v1
摘要
自动白平衡（AWB）校正是图像信号处理器中的关键操作，用于在各种光照场景下实现准确且一致的颜色校正。本文提出了一种新颖且高效的AWB校正方法，相较于当前最先进的方法，在高分辨率图像上以等效或更优的性能实现了至少35倍更快的处理速度。受确定性颜色风格迁移的启发，我们的方法引入了确定性光照颜色映射，利用可学习的投影矩阵分别用于规范光照形式和AWB校正输出。它涉及将高分辨率图像及相应的潜在表示输入映射模块以导出规范形式，随后由另一映射模块将像素值映射到校正后的版本。该策略被设计为分辨率无关，并且还能够将任何预训练的AWB网络作为主干无缝集成。实验结果证实了我们的方法的有效性，显示出相较于最先进方法的显著性能提升和更低的时间复杂度。我们的方法提供了一种高效的基于深度学习的AWB校正方案，有望为数字成像应用提供实时、高质量的颜色校正。源代码可在 https://github.com/birdortyedi/DeNIM/ 获取。
引用
@article{arxiv.2308.03939,
title = {Deterministic Neural Illumination Mapping for Efficient Auto-White Balance Correction},
author = {Furkan Kınlı and Doğa Yılmaz and Barış Özcan and Furkan Kıraç},
journal= {arXiv preprint arXiv:2308.03939},
year = {2023}
}
备注
9 pages, 5 figures, ICCV 2023 Workshops (RCV 2023)