热变色龙：面向辐射热红外图像的任务自适应色调映射
机器人学
2024-10-25 v1 计算机视觉与模式识别
摘要
热红外成像为在具有挑战性的室外环境中导航提供了稳健的感知能力，但由于其14/16位格式，存在纹理差和图像对比度低的问题。传统方法利用各种色调映射技术来增强热红外图像的对比度和光度一致性，然而，色调映射的选择在很大程度上依赖于对任务和温度相关先验知识的了解才能有效工作。在本文中，我们提出了热变色龙网络（TCNet），一种针对原始14位热红外图像的任务自适应色调映射方法。对于同一幅图像，TCNet会为每个特定任务定制色调映射出不同的热红外图像表示，从而消除了启发式的图像缩放预处理以及对场景温度或任务特定特征的大量先验知识的依赖。TCNet在目标检测和单目深度估计任务上展现出改进的泛化性能，且计算开销极小，并可模块化集成到现有各种任务的架构中。项目页面：https://github.com/donkeymouse/ThermalChameleon
引用
@article{arxiv.2410.18340,
title = {Thermal Chameleon: Task-Adaptive Tone-mapping for Radiometric Thermal-Infrared images},
author = {Dong-Guw Lee and Jeongyun Kim and Younggun Cho and Ayoung Kim},
journal= {arXiv preprint arXiv:2410.18340},
year = {2024}
}
备注
Published in IEEE Robotics and Automation Letters (2024)