基于区域感知归一化的局部低光图像增强
计算机视觉与模式识别
2023-12-01 v3
摘要
在低光图像增强(LLIE)领域，现有研究主要聚焦于全局图像增强。然而，许多应用需要局部LLIE，即允许用户利用输入掩码照亮特定区域，例如营造主角舞台或聚光灯效果。但该任务目前受关注有限。本文旨在系统定义局部LLIE的需求，并提出一种将现有全局LLIE方法转换为局部版本的新策略。图像空间被划分为三个区域：掩码区域A被照亮以实现期望光照效果；过渡区域B是从被照亮区域(区域A)到未改变区域(区域C)的平滑过渡。为实现局部LLIE任务，我们引入用于局部增强的区域感知归一化，称为RANLEN。RANLEN使用动态设计的基于掩码的归一化操作，以空间变化方式增强图像，确保增强结果符合输入掩码指定的要求。此外，我们制定了一组区域感知损失项以促进局部LLIE框架的学习。我们的策略可应用于具有不同结构的现有全局LLIE网络。大量实验表明，与全局LLIE相比，我们的方法能产生期望的光照效果，同时提供具有各种掩码形状的可控局部增强。
引用
@article{arxiv.2208.07711,
title = {Local Low-light Image Enhancement via Region-Aware Normalization},
author = {Shihurong Yao and Yizhan Huang and Xiaogang Xu},
journal= {arXiv preprint arXiv:2208.07711},
year = {2023}
}