调和光明与黑暗：先验引导数据合成与自适应聚焦在夜间眩光去除中的交响
计算机视觉与模式识别
2024-04-02 v1
摘要
夜间强光源常导致图像中出现眩光，降低视觉质量并影响下游应用。为训练有效的眩光去除网络，可靠的数据集至关重要。主流眩光去除数据集为半合成以降低人力成本，但未覆盖涉及多次散射眩光的典型场景。为此，我们合成一个先验引导数据集Flare7K*，包含多眩光图像，其中眩光亮度符合光照定律。此外，眩光通常占据图像局部区域，但现有网络对整个图像进行眩光去除，有时会错误修改干净区域。因此，我们提出即插即用的自适应聚焦模块（AFM），可自适应掩蔽干净背景区域，帮助模型聚焦于受眩光严重影响区域。大量实验表明，我们的数据合成方法能更好模拟真实场景，配备AFM的多个模型在真实测试数据集上达到最先进性能。
引用
@article{arxiv.2404.00313,
title = {Harmonizing Light and Darkness: A Symphony of Prior-guided Data Synthesis and Adaptive Focus for Nighttime Flare Removal},
author = {Lishen Qu and Shihao Zhou and Jinshan Pan and Jinglei Shi and Duosheng Chen and Jufeng Yang},
journal= {arXiv preprint arXiv:2404.00313},
year = {2024}
}