噪声-模糊双重退化下的鲁棒场景推断

低光照下的场景推断是一个具有挑战性的问题，因为所捕获图像中存在严重噪声。减少噪声的一种方法是拍摄时使用更长曝光时间。然而，在存在运动（场景或相机运动）的情况下，更长曝光会导致运动模糊，造成图像信息丢失。这在两种图像退化之间产生了权衡：运动模糊（由于长曝光）与噪声（由于短曝光），本文亦称之为双重图像退化对。随着能够同时捕获同一场景多次曝光的相机兴起，克服这一权衡成为可能。我们的核心观察是，尽管这些不同图像捕获的退化程度与性质各异，但其语义内容在所有图像中保持一致。为此，我们提出一种方法，利用这些多次曝光捕获实现低光照与运动下的鲁棒推断。我们的方法基于特征一致性损失，以鼓励这些独立捕获产生相似结果，并使用它们最终预测的集成进行鲁棒视觉识别。我们在模拟图像以及具有多次曝光的真实捕获上，并在目标检测与图像分类任务中，展示了我们方法的有效性。