EMEF：集成多曝光图像融合
计算机视觉与模式识别
2023-05-23 v1 人工智能
摘要
尽管近年来取得了显著进展，当前多曝光图像融合（MEF）研究仍受限于缺乏真实真值、客观评价函数和鲁棒融合策略。本文从新的视角研究MEF问题。我们不使用任何合成真值、设计任何损失函数或开发任何融合策略。我们提出的方法EMEF利用了多个不完美MEF贡献者的智慧，包括传统方法和基于深度学习的方法。具体而言，EMEF包含两个主要阶段：预训练一个模仿者网络以及在运行时调优该模仿者。在第一阶段，我们使一个统一网络以风格调制方式模仿不同的MEF目标。在第二阶段，我们通过优化风格码来调优模仿者网络，以便为每个输入图像对找到最优融合结果。在实验中，我们从四种最先进的MEF方法构建EMEF，并在最新发布的MEF基准数据集上与这些个体方法及若干其他竞争方法进行比较。有前景的实验结果表明，我们的集成框架能够“集各家之所长”。代码见 https://github.com/medalwill/EMEF。
引用
@article{arxiv.2305.12734,
title = {EMEF: Ensemble Multi-Exposure Image Fusion},
author = {Renshuai Liu and Chengyang Li and Haitao Cao and Yinglin Zheng and Ming Zeng and Xuan Cheng},
journal= {arXiv preprint arXiv:2305.12734},
year = {2023}
}
备注
Preprint, Accepted by AAAI 2023