面向暗光图像快速轻量复原的方法
计算机视觉与模式识别
2020-12-01 v1 图像与视频处理
摘要
在计算机视觉领域，于黑暗及近零 lux 条件下捕获高质量图像一直是一项长期的追求。Chen 等人 [5] 的开创性工作尤其引发了该领域的重新关注，催生了在其工作上构建以改进重建的方法。然而，对于在边缘设备（如嵌入式系统、监控摄像头、自主机器人和智能手机）上实际部署低光增强算法，解决方案必须顾及额外约束，如有限的 GPU 内存与处理能力。鉴于此，我们提出一种深度神经网络架构，旨在平衡网络延迟、内存利用、模型参数与重建质量。关键思想是在高分辨率（HR）空间中禁止计算并将其限制于低分辨率（LR）空间。然而，在 LR 空间进行大量计算会导致复原图像中的伪影。因此我们提出 Pack 与 UnPack 操作，使我们能在 HR 与 LR 空间之间有效转换，而不在复原图像中引入过多伪影。我们展示即便在 CPU 上也能在约 3 秒内增强一张全分辨率 2848 x 4256 的极暗单幅图像。与最先进算法相比，我们以少 2-7 倍的模型参数、低 2-3 倍的内存利用、5-20 倍的加速实现了这一点，同时保持了有竞争力的图像重建质量。
引用
@article{arxiv.2011.14133,
title = {Towards Fast and Light-Weight Restoration of Dark Images},
author = {Mohit Lamba and Atul Balaji and Kaushik Mitra},
journal= {arXiv preprint arXiv:2011.14133},
year = {2020}
}