PSENet: 面向无监督极光图像增强的渐进式自增强网络
计算机视觉与模式识别
2022-10-04 v1
摘要
光照极端情况(如过亮或过暗)通常给机器和人类视觉带来诸多困扰。许多近期工作主要关注低光条件下(如夜间)捕获图像的欠曝光情况,并在提升图像质量方面取得了可喜成果。然而,它们处理过曝光图像的能力较弱。为缓解此局限,我们提出了一种新颖的无监督增强框架,该框架对各种光照条件具有鲁棒性,且不需要任何曝光良好图像作为真值。我们的核心思想是构建由多张源图像合成的伪真值图像,以模拟所有潜在曝光场景来训练增强网络。我们的大量实验表明,所提方法在多个公开数据集上的定量指标和定性结果均持续优于当前最先进的无监督同类方法。我们的代码见 https://github.com/VinAIResearch/PSENet-Image-Enhancement。
引用
@article{arxiv.2210.00712,
title = {PSENet: Progressive Self-Enhancement Network for Unsupervised Extreme-Light Image Enhancement},
author = {Hue Nguyen and Diep Tran and Khoi Nguyen and Rang Nguyen},
journal= {arXiv preprint arXiv:2210.00712},
year = {2022}
}
备注
Accepted to WACV 2023