Semi-LLIE: aprendizaje contrastivo semi-supervisado con mejora de la luz baja basada en Mamba

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Procesamiento de imágenes

Sus antecedentes:

• La mejora de la imagen con poca luz (LLIE) ha avanzado significativamente.
• Un desafío importante en el LLIE es la escasez de datos emparejados de entrenamiento con luz baja y normal.
• Los métodos existentes luchan con la transferencia de iluminación realista y la restauración de detalles finos en regiones oscuras.

Objetivo del estudio:

• Proponer un nuevo marco semi-supervisado, Semi-LLIE, para la mejora de la imagen con poca luz.
• Abordar las limitaciones de los métodos existentes en la utilización de datos no emparejados y la restauración de detalles.
• Para mejorar la naturalidad de los colores y mejorar las texturas en imágenes con poca luz.

Principales métodos:

• Un marco semi-supervisado (Semi-LLIE) que utiliza imágenes no emparejadas de luz baja y normal a través del paradigma de maestro medio.
• Una pérdida de contraste con conciencia semántica que aprovecha las representaciones del lenguaje visual para la alineación de la iluminación.
• Una columna vertebral basada en Mamba con aprendizaje de características a escala múltiple para una restauración de detalles mejorada.
• Una pérdida perceptiva basada en RAM para la mejora de la textura a nivel semántico.

Principales resultados:

• Semi-LLIE demuestra un rendimiento superior a los métodos existentes en la mejora de la imagen con poca luz.
• Los métodos propuestos permiten mejorar las métricas cuantitativas y cualitativas.
• Mejoró la naturalidad en el color y restauró detalles de grano fino en regiones oscuras.

Conclusiones:

• El marco Semi-LLIE aborda efectivamente el desafío de los datos emparejados limitados en la mejora de la imagen con poca luz.
• Las nuevas funciones de pérdida y la arquitectura de la columna vertebral mejoran significativamente la transferencia de iluminación y la restauración de detalles.
• Semi-LLIE ofrece una solución prometedora para la mejora de la imagen de alta calidad con poca luz.