基于大型真实数据集的夜间场景解析
计算机视觉与模式识别
2022-04-04 v3
摘要
尽管近年来在场景分析方面取得了巨大进展，但大多数现有工作都假设输入图像为光照良好的白天图像。在本工作中，我们旨在解决夜间场景解析（NTSP）问题，其具有两个主要挑战：1）带标注的夜间数据稀缺；2）输入夜间图像中可能同时出现过曝光与欠曝光，而现有流程未对其显式建模。为应对夜间数据稀缺问题，我们收集了一个名为NightCity的新型标注数据集，包含4297张真实夜间图像及像素级语义标注真值。据我们所知，NightCity是迄今最大的NTSP数据集。此外，我们还提出了一种曝光感知框架，通过将从显式学习的曝光特征来增强分割过程，以解决NTSP问题。大量实验表明，在NightCity上训练可显著提升NTSP性能，且我们的曝光感知模型优于当前最优（state-of-the-art）方法，在 ours 数据集及现有数据集上均取得了顶尖性能。
引用
@article{arxiv.2003.06883,
title = {Night-time Scene Parsing with a Large Real Dataset},
author = {Xin Tan and Ke Xu and Ying Cao and Yiheng Zhang and Lizhuang Ma and Rynson W. H. Lau},
journal= {arXiv preprint arXiv:2003.06883},
year = {2022}
}
备注
13 pages, 11 figures. This paper is accepted by IEEE Transactions on Image Processing. The dataset can be accessed via https://dmcv.sjtu.edu.cn/people/phd/tanxin/NightCity/index.html