通过基于静态视频训练与跨帧注意力实现低光视频增强
计算机视觉与模式识别
2022-10-11 v1
摘要
由于难以获取低光与真值视频对，设计用于低光视频增强的深度学习方法仍具挑战性。在动态场景或移动相机情形下，无法捕获长曝光真值，这一问题尤为突出。我们通过在静态视频上训练模型来解决该问题，使模型能够泛化至动态视频。采用此方法的现有工作逐帧处理，未利用相邻帧间的关系。我们通过一个自跨 dilated 注意力模块克服该局限，该模块能有效学习利用相邻帧的信息，即便训练与测试时帧间动态不同。我们在多个数据集上通过实验验证该方法，表明当仅在静态视频上训练时，我们的方法优于其他最先进的视频增强算法。
引用
@article{arxiv.2210.04290,
title = {Low Light Video Enhancement by Learning on Static Videos with Cross-Frame Attention},
author = {Shivam Chhirolya and Sameer Malik and Rajiv Soundararajan},
journal= {arXiv preprint arXiv:2210.04290},
year = {2022}
}