基于事件的低光图像增强中的 Illumination Estimation
计算机视觉与模式识别
2025-04-15 v1
摘要
低光图像增强（LLIE）旨在提高受低光环境捕获图像的可见性。流行的基于事件的解决方案主要利用由运动触发的事件，即“运动事件”，仅加强边缘纹理，却未充分利用事件相机在高动态范围和出色低光响应方面的优势。本文则从估计使用“时映”事件（即将由传感器触发的事件时间戳转换为亮度值）的照明程度的角度开辟了新的途径。由此产生的细粒度照明线索促进了通过提出的Illumination-aided Reflectance Enhancement模块，对低光图像中反射分量的更有效分解和增强。此外，研究了时映事件在低光条件下的退化模型，用于真实训练数据的合成。为解决此情境下数据集不足的问题，我们构建了一个光束分离装置并收集了EvLowLight数据集，包括图像、时映事件和运动事件。跨5个合成数据集和我们真实世界的EvLowLight数据集的广泛实验证实，所设计的管道称为RetinEV，能够产生 illumination 良好、高动态范围图像，在先前的基于事件的最先进方法中提升最高可达6.62 dB，同时在640X480图像上保持高效的35.6帧/秒推理速度。
引用
@article{arxiv.2504.09379,
title = {Low-Light Image Enhancement using Event-Based Illumination Estimation},
author = {Lei Sun and Yuhan Bao and Jiajun Zhai and Jingyun Liang and Yulun Zhang and Kaiwei Wang and Danda Pani Paudel and Luc Van Gool},
journal= {arXiv preprint arXiv:2504.09379},
year = {2025}
}