利用等变性的低光图像与视频增强中的长尺度误差控制
计算机视觉与模式识别
2022-06-06 v1
摘要
黑暗中获得的图像帧是特殊的。仅仅乘以一个常数并不能恢复图像。散粒噪声、量化效应与相机非线性意味着颜色和相对光照水平被很差地估计。当前方法使用真实的暗-亮图像对学习一个映射。这些图像对非常难以采集。最近的一篇论文表明，模拟数据对能在恢复中产生实际的改进，可能是因为海量模拟数据易于获取。在本文中，我们展示尊重等变性——无论图像如何裁剪，恢复像素的颜色应当相同——相比最先进（SOTA）的恢复方法产生了实际的改进。我们展示一种尺度选择机制可用于改善重建。最后，我们展示我们的方法在视频恢复上也产生了改进。我们的方法在定量与定性上均进行了评估。
引用
@article{arxiv.2206.01334,
title = {Long Scale Error Control in Low Light Image and Video Enhancement Using Equivariance},
author = {Sara Aghajanzadeh and David Forsyth},
journal= {arXiv preprint arXiv:2206.01334},
year = {2022}
}