UG$^{2+}$ Track 2:一项用于评估和推进 Poor Visibility 环境下图像理解的集体基准工作
计算机视觉与模式识别
2020-04-01 v4
摘要
IEEE CVPR 2019 中的 UG 挑战旨在引发关于低级视觉技术如何有益于各种场景中的高级自动视觉识别的全面讨论与探索。在其第二赛道中,我们聚焦于由恶劣天气(雾、雨)和低光照条件引起的 poor visibility 增强中的物体或人脸检测。尽管现有增强方法在经验上预期有助于高级端任务,但在实践中观察到并非总是如此。为提供更透彻的检验和公平比较,我们分别引入了在真实世界雾、雨和低光照条件下收集的三个基准集,并标注了物体/人脸。据我们所知,这是此类首个也是目前最大的工作。报告了通过级联现有增强和检测模型的基线结果,表明我们的新数据极具挑战性,同时也为进一步技术创新留有大量空间。我们期待广大研究界的广泛参与以共同应对这些挑战。
引用
@article{arxiv.1904.04474,
title = {UG$^{2+}$ Track 2: A Collective Benchmark Effort for Evaluating and Advancing Image Understanding in Poor Visibility Environments},
author = {Ye Yuan and Wenhan Yang and Wenqi Ren and Jiaying Liu and Walter J. Scheirer and Zhangyang Wang},
journal= {arXiv preprint arXiv:1904.04474},
year = {2020}
}
备注
A summary paper on datasets, fact sheets, baseline results, challenge results, and winning methods in UG$^{2+}$ Challenge (Track 2). More materials are provided in http://www.ug2challenge.org/index.html