审视挑战性场景下的自动曝光
计算机视觉与模式识别
2023-09-12 v1
摘要
自动曝光（AE）是相机系统为确保图像正确曝光而执行的关键步骤。尽管当前 AE 算法在光照恒定且良好的环境中有效，这些算法在具有明亮光源或光照突变的场景中仍表现不佳。开发面向挑战性环境（尤其是时变光照环境）的新 AE 算法的一大障碍是缺乏合适的图像数据集。为解决此问题，我们采集了一个新的 4D 曝光数据集，其提供大解空间（即快门速度范围从 1/500 到 15 秒）并覆盖含运动物体、明亮灯光与变化光照的时间序列。此外，我们设计了一个软件平台，允许 AE 算法以即插即用的方式使用该数据集。我们的数据集与配套平台实现了不同 AE 算法的可重复评估，并为开发更好的 AE 方法提供了亟需的起点。我们利用数据集考察了几种现有 AE 策略，并表明多数用户在挑战性光照条件下偏好一种简单的显著性方法。
引用
@article{arxiv.2309.04542,
title = {Examining Autoexposure for Challenging Scenes},
author = {SaiKiran Tedla and Beixuan Yang and Michael S. Brown},
journal= {arXiv preprint arXiv:2309.04542},
year = {2023}
}
备注
ICCV 2023