面向通用零样态合成低光图像与视频管线
计算机视觉与模式识别
2026-04-23 v2 图像与视频处理
摘要
低光环境对人类和机器标注都提出了重大挑战，这导致了对低光图像乃至（特别是）视频的机器理解研究受到忽视。常见方法是将来自高质量数据集的标注应用于合成的低光版本，但这些方法往往受到不真实噪声模型的限制。本文提出了新的退化估估网络（Degradation Estimation Network, DEN），无需相机元数据即可生成逼真的标准RGB（sRGB）噪声。这通过估计物理信息噪声分布的参数，并以自监督方式进行训练实现。该零样态方法允许我们生成具有多样化真实噪声特征的合成噪声内容，不同于其他方法专注于复现训练数据的噪声特征。我们使用各种在其合成数据上训练的典型低光任务方法进行评估，包括合成噪声复制、视频增强和目标检测，分别显示出最高可达24%的KLD、21%的LPIPS和62%的AP改进。
引用
@article{arxiv.2504.12169,
title = {Towards a General-Purpose Zero-Shot Synthetic Low-Light Image and Video Pipeline},
author = {Joanne Lin and Crispian Morris and Ruirui Lin and Fan Zhang and David Bull and Nantheera Anantrasirichai},
journal= {arXiv preprint arXiv:2504.12169},
year = {2026}
}