模糊:半监控低光图像增强与自适应模糊
Wojciech Kozłowski1, Michał Szachniewicz1, Michał Stypułkowski2
1Faculty of Information and Communication Technology, Wrocław University of Science and Technology, 50-370 Wrocław, Poland.
Entropy (Basel, Switzerland)
|September 27, 2024
概括
新的一种半监控方法 - - Dimma - - 以自然色彩增强低亮度图像. 它使用最小的数据来匹配任何相机,超过完全监督的方法.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 自然增强低光图像是很困难的,因为相机的变化和缺乏地面真相数据.
- 现有的方法通常需要广泛的标记数据集进行培训.
研究的目的:
- 开发一种半监督方法 (Dimma),用于低光图像的自然色彩增强.
- 为了创建一种不需要摄像机的方法,需要最小的训练数据.
主要方法:
- 使用卷积混合物密度网络在黑暗图像中建模相机特定的噪声.
- 采用有条件的UNet架构,包含用户定义的轻度值.
- 在极端照明下捕获的一小组真实图像对上进行训练.
主要成果:
- 模糊效果有效地增强了低光照明的图像,保持自然的颜色.
- 该方法证明了与完全监督的最先进技术相比具有竞争力的性能.
- 在有限的培训数据下取得了强的结果.
结论:
- 迪玛提供了一个高效和有效的解决方案,用于低光图像增强.
- 半监督方法减少了对大型专用数据集的需求.
- 提供了一种实际的方法来提高各种相机的图像质量.
