动态场景中的曝光校正学习

曝光校正旨在增强因曝光不当而受影响的视觉数据，从而大大提高令人满意的视觉效果。然而，先前的方法主要关注图像模态，而视频对应的工作在文献中鲁见。直接将先前的基于图像的方法应用于视频会导致时间不连贯，视觉质量较低。通过彻底调查，我们发现相关社区的发展受限于缺乏基准数据集。因此，本文构建了第一个真实世界的成对视频数据集，包括不充分曝光和过度曝光的动态场景。为实现空间对齐，我们利用两台 DSLR 相机和光束分离器同时捕获不当和正常曝光的视频。此外，我们提出了一个端到端的视频曝光校正网络，其中设计了一个双流模块来处理不充分曝光和过度曝光因素，基于 Retinex 理论增强照明。基于各种指标和用户研究的广泛实验表明，我们的数据集和方法的重要性以及有效性。代码和数据集可在 https://github.com/kravrolens/VECNet 上获取。