用于提升图像质量的曝光校正模型
计算机视觉与模式识别
2022-04-25 v1
摘要
图像中的曝光错误会导致对比度退化和内容可见性低。在本文中，我们解决此问题并提出一种端到端曝光校正模型，以使用单一模型处理欠曝光和过曝光错误。我们的模型包含图像编码器、连续的残差块和图像解码器以合成校正后的图像。我们利用感知损失、特征匹配损失和多尺度判别器来提高生成图像的质量并使训练更加稳定。实验结果表明了所提模型的有效性。我们在大规模曝光数据集上取得了最先进（SOTA）的结果。此外，我们研究了图像曝光设置对人像抠图任务的影响。我们发现欠曝光和过曝光图像会导致人像抠图模型性能严重退化。我们表明，在应用所提模型进行曝光校正后，人像抠图质量显著提升。https://github.com/yamand16/ExposureCorrection
引用
@article{arxiv.2204.10648,
title = {Exposure Correction Model to Enhance Image Quality},
author = {Fevziye Irem Eyiokur and Dogucan Yaman and Hazım Kemal Ekenel and Alexander Waibel},
journal= {arXiv preprint arXiv:2204.10648},
year = {2022}
}
备注
Accepted for CVPR2022 NTIRE Workshop