LRT:一种面向暗光场图像的高效低光复原Transformer
计算机视觉与模式识别
2023-08-16 v2 图像与视频处理
摘要
包含多视角信息的光场(LF)图像具有众多应用,但会严重受低光成像影响。现有的基于学习的低光增强方法存在一些缺点,例如缺乏噪声抑制、训练过程复杂以及在极暗光条件下性能较差。为在充分利用多视角信息的同时解决这些不足,我们提出了一种面向LF图像的高效低光复原Transformer(LRT),其通过多个头在单一网络中执行中间任务,包括去噪、亮度调整、细化与细节增强,实现从小规模到全尺度的渐进式复原。此外,我们设计了一种带有高效视角令牌方案的角度Transformer模块来建模全局角度依赖关系,以及一种多尺度空间Transformer模块来编码各视角内的多尺度局部与全局信息。为解决训练数据不足的问题,我们通过利用LF相机估计的噪声参数模拟主要噪声源,构建了一条合成流水线。实验结果表明,我们的方法在低光LF复原上以高效率取得了最先进的性能。
引用
@article{arxiv.2209.02197,
title = {LRT: An Efficient Low-Light Restoration Transformer for Dark Light Field Images},
author = {Shansi Zhang and Nan Meng and Edmund Y. Lam},
journal= {arXiv preprint arXiv:2209.02197},
year = {2023}
}