多光照条件下图像融合用于白平衡校正
计算机视觉与模式识别
2025-03-20 v1
摘要
多光照条件场景下的白平衡 (WB) 校正仍是计算机视觉中的持久挑战。最近的研究探索了融合方法，其中神经网络线性混合多个 sRGB 版本的输入图像，每种版本都经过预定义的 WB 预设处理。然而，我们表明这些方法在常见的多光照场景下并不理想。此外，现有的融合方法依赖 sRGB WB 数据集，而这些数据集缺乏专门的多光照图像，限制了训练和评估。为此，我们提出了两个关键贡献。首先，我们提出一种高效的变换器模型，有效捕获 sRGB WB 预设之间的空间依赖关系，显著优于线性融合技术。其次，我们引入一个大型多光照数据集，包含超过 16,000 张 sRGB 图像，这些图像以五种不同的 WB 设置渲染，并伴随校正后的 WB 图像。我们的方法在新构建的多光照图像融合数据集上优于现有技术，提升幅度可达 100%。
引用
@article{arxiv.2503.14774,
title = {Revisiting Image Fusion for Multi-Illuminant White-Balance Correction},
author = {David Serrano-Lozano and Aditya Arora and Luis Herranz and Konstantinos G. Derpanis and Michael S. Brown and Javier Vazquez-Corral},
journal= {arXiv preprint arXiv:2503.14774},
year = {2025}
}
备注
10 pages