弥合差距至关重要：低光照图像增强的感知质量评估与优化
计算机视觉与模式识别
2024-06-24 v5 图像与视频处理
摘要
研究界日益达成共识，低光照图像增强方法的优化应以终端用户感知的视觉质量为导向。尽管在设计低光照增强算法方面投入了大量努力，但对主观与客观质量进行系统评估的关注相对有限。为弥补这一差距并为优化低光照图像增强以获得更佳视觉质量提供清晰路径，我们提出了一种弥合差距的框架。具体而言，我们的弥合差距框架始于创建用于重建低光照图像主观质量评估（SQUARE-LOL）的大规模数据集。该数据库作为研究增强图像质量并开展综合主观用户研究的基础。随后，我们提出一种客观质量评估指标，在弥合视觉质量与增强之间差距方面发挥关键作用。最后，我们证明所提出的客观质量度量可纳入增强模型学习过程的优化中，以实现感知最优。我们通过质量预测的准确性与图像增强的感知质量验证了所提框架的有效性。我们的数据库与代码已公开于 https://github.com/Baoliang93/IACA_For_Lowlight_IQA。
引用
@article{arxiv.2302.11464,
title = {Gap-closing Matters: Perceptual Quality Evaluation and Optimization of Low-Light Image Enhancement},
author = {Baoliang Chen and Lingyu Zhu and Hanwei Zhu and Wenhan Yang and Linqi Song and Shiqi Wang},
journal= {arXiv preprint arXiv:2302.11464},
year = {2024}
}
备注
Basis Angle Consistency in Sec.3.2 will be revised