用于混合曝光校正的区域感知曝光一致性网络

曝光校正旨在增强曝光不当的图像以获得令人满意的视觉效果。尽管近期取得了进展，现有方法通常仅缓解输入图像中的过曝或欠曝问题，仍难以处理具有混合曝光（即一张图像同时包含过曝和欠曝区域）的图像。混合曝光分布是非均匀的并导致表征变化，这使得在统一过程中解决该问题具有挑战性。本文介绍了一种有效的区域感知曝光校正网络（RECNet），能够通过自适应学习和桥接不同的区域曝光表征来处理混合曝光。具体而言，为应对混合曝光差异带来的挑战，我们开发了一个区域感知去曝光模块，能有效将混合曝光场景的区域特征转化为曝光不变特征空间。同时，由于去曝光操作不可避免地会减少判别性信息，我们引入了一个混合尺度恢复单元，整合曝光不变特征和未处理特征以恢复局部信息。为进一步实现全局图像的均匀曝光分布，我们在区域内部曝光一致性和区域间曝光连续性的约束下，提出了一种曝光对比正则化策略。在多个数据集上进行的广泛实验表明，我们提出的方法具有优越性和泛化能力。代码已发布：https://github.com/kravrolens/RECNet。