通过通道感知引导学习自适应照明
计算机视觉与模式识别
2025-06-26 v2 图像与视频处理
摘要
学习照明适应是实现良好视觉感知并支持下游视觉任务的关键步骤。当前研究通常以孤立的方式处理 individual light-related 挑战，如高动态范围成像和曝光校正。然而，我们识别到这些任务之间存在共享的根本属性：i）不同颜色通道具有不同的光属性；ii）在空间和频率域中反映的通道差异不同。基于这些洞见，我们引入通道感知学习自适应照明网络（LALNet），一个高效处理多种光相关任务的多任务框架。具体而言，LALNet 融合突显每个颜色通道独特光属性的颜色分离特征与传统颜色混合特征，并通过光引导注意力（LGA）实现集成。LGA 利用颜色分离特征引导颜色混合特征聚焦于通道差异，确保所有通道的视觉一致性。此外，LALNet 采用双域通道调制生成颜色分离特征，同时采用混合通道调制和光照状态空间模块以产生颜色混合特征。广泛的实验表明，LALNet 在四个代表性光相关任务上显著优于最先进的方法，同时所需计算资源更少。我们提供一个匿名在线演示 https://xxxxxx2025.github.io/LALNet/。
引用
@article{arxiv.2412.01493,
title = {Learning Adaptive Lighting via Channel-Aware Guidance},
author = {Qirui Yang and Peng-Tao Jiang and Hao Zhang and Jinwei Chen and Bo Li and Huanjing Yue and Jingyu Yang},
journal= {arXiv preprint arXiv:2412.01493},
year = {2025}
}