FCNet：一种用于任意长度曝光估计的卷积神经网络
图像与视频处理
2023-09-08 v4 计算机视觉与模式识别
摘要
数码相机拍摄的照片通常存在过曝光或欠曝光问题。对于图像曝光增强，单曝光校正（SEC）和多曝光融合（MEF）任务在图像处理领域被广泛研究。然而，当前的 SEC 或 MEF 方法在不同动机下开发，因而忽略了 SEC 与 MEF 之间的内在关联，难以处理具有不当曝光的任意长度序列。此外，MEF 方法通常无法估计仅含欠曝光或过曝光图像的序列的曝光。为缓解这些问题，本文我们开发了新颖的融合-校正网络（FCNet）来处理具有不当曝光的任意长度（包括单张）图像序列。这是通过利用拉普拉斯金字塔（LP）图像分解对图像序列进行融合与校正实现的。在每个 LP 层级，输入图像序列的低频基分量被依次送入融合块和校正块以进行连续的曝光估计，通过交替的曝光融合与校正实现。当前 LP 层级中曝光校正后的图像被上采样，并与下一 LP 层级中输入图像序列的高频细节分量融合，以输出下一 LP 层级中融合块和校正块的基分量。在基准数据集上的实验表明，我们的 FCNet 在任意长度曝光估计（包括 SEC 和 MEF）上均有效。代码已公开发布于 https://github.com/NKUJinLiang/FCNet。
引用
@article{arxiv.2203.03624,
title = {FCNet: A Convolutional Neural Network for Arbitrary-Length Exposure Estimation},
author = {Jin Liang and Yuchen Yang and Anran Zhang and Jun Xu and Hui Li and Xiantong Zhen},
journal= {arXiv preprint arXiv:2203.03624},
year = {2023}
}