面向协同低光图像增强的隐式神经表示
计算机视觉与模式识别
2023-08-23 v3
摘要
以下三个因素限制了现有低光图像增强方法的应用:不可预测的光照退化与噪声、度量友好与视觉友好版本之间的固有差距,以及有限的成对训练数据。为应对这些局限,我们提出一种用于协同低光图像增强的隐式神经表示方法,称为 NeRCo。它以无监督方式稳健地恢复感知友好的结果。具体而言,NeRCo 通过可控拟合函数统一真实世界场景的多样退化因素,从而获得更好的鲁棒性。此外,对于输出结果,我们引入来自预训练视觉-语言模型的先验的语义导向监督。它不单纯遵循参考图像,而是鼓励结果满足主观期望,寻找更具视觉友好性的解。进一步,为减轻对成对数据的依赖并缩减解空间,我们开发了双闭环约束增强模块。它以自监督方式与其他附属模块协同训练。最后,大量实验证明了我们所提 NeRCo 的鲁棒性与优越有效性。我们的代码见 https://github.com/Ysz2022/NeRCo。
引用
@article{arxiv.2303.11722,
title = {Implicit Neural Representation for Cooperative Low-light Image Enhancement},
author = {Shuzhou Yang and Moxuan Ding and Yanmin Wu and Zihan Li and Jian Zhang},
journal= {arXiv preprint arXiv:2303.11722},
year = {2023}
}