用于低光人脸检测的循环曝光生成
计算机视觉与模式识别
2020-07-22 v1
摘要
由于光照有限且噪声不可避免（且常常空间分布不均），低光图像中的人脸检测具有挑战性。一个自然的解决方案是借鉴多曝光的思路，即在困难条件下拍摄多张照片以获得曝光良好的图像。然而，从单幅图像高质量地实现或近似多曝光并非易事。幸运的是，如本文所示，这种高质量并非必要，因为我们的任务是人脸检测而非图像增强。具体而言，我们提出了一种新颖的循环曝光生成（Recurrent Exposure Generation, REG）模块，并将其与多曝光检测（Multi-Exposure Detection, MED）模块无缝耦合，从而通过有效抑制非均匀光照和噪声问题显著提升了人脸检测性能。REG 逐步且高效地生成对应于不同曝光设置的中间图像，随后由 MED 融合这些伪曝光以检测不同光照条件下的面部。所提方法名为 REGDet，是首个面向低光人脸检测的“检测兼增强”框架。它不仅促进了不同光照层级间的丰富交互与特征融合，还实现了 REG 组件的有效端到端学习，以更好地适配人脸检测。此外，如我们的实验清楚表明，REG 可灵活地与不同的人脸检测器耦合，且无需额外的低光/正常光图像对用于训练。我们在 DARK FACE 低光人脸基准上测试了 REGDet 并进行了充分的消融研究，其中 REGDet 以显著优势超越以往的 SOTA 方法，且仅引入可忽略的额外参数。
引用
@article{arxiv.2007.10963,
title = {Recurrent Exposure Generation for Low-Light Face Detection},
author = {Jinxiu Liang and Jingwen Wang and Yuhui Quan and Tianyi Chen and Jiaying Liu and Haibin Ling and Yong Xu},
journal= {arXiv preprint arXiv:2007.10963},
year = {2020}
}
备注
11 pages