暗光中匹配：一个用于低光场景图像对匹配的数据集
计算机视觉与模式识别
2021-09-15 v2
摘要
本文考虑低光场景图像的匹配，旨在拓展SfM与视觉SLAM应用的前沿。近期的图像传感器能以超过八位的精度记录场景亮度，存于其RAW格式图像中。我们致力于充分利用此类高精度信息来匹配传统方法无法处理的极暗光场景图像。对于极暗光场景，即便其部分亮度信息存在于RAW格式图像的低比特位中，相机上的标准原始图像处理也无法恰当利用它们。正如Chen等人近期所展示，CNN可学习从此类RAW格式图像生成具有自然外观的图像。为考察我们能否及能在多大程度上利用RAW格式图像中存储的此类信息进行图像匹配，我们创建了一个名为MID（matching in the dark，暗光中匹配）的新数据集。利用该数据集，我们实验评估了八种图像增强方法与十一种图像匹配方法（由经典/神经局部描述子与经典/神经初始点匹配方法构成）的组合。结果表明使用RAW格式图像的优势以及上述组件方法的优劣。它们也暗示仍有进一步研究的空间。
引用
@article{arxiv.2109.03585,
title = {Matching in the Dark: A Dataset for Matching Image Pairs of Low-light Scenes},
author = {Wenzheng Song and Masanori Suganuma and Xing Liu and Noriyuki Shimobayashi and Daisuke Maruta and Takayuki Okatani},
journal= {arXiv preprint arXiv:2109.03585},
year = {2021}
}
备注
15 pages, 14 figures, ICCV2021