以照明为导向的渐进无监督域调整,用于低光实例细分
Yi Zhang1, Jichang Guo2, Huihui Yue3
1School of Electrical and Information Engineering, Tianjin University, Tianjin 300072, China.
概括
这项研究介绍了IPULIS,一种以照明为导向的方法,用于在低光条件下改善计算机视觉. 它通过逐步在不同层次上对齐功能来改善实例细分,从而实现最先进的结果.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 图像处理 图像处理
背景情况:
- 由于光子有限,低光条件极大地挑战了计算机视觉任务.
- 无监督的域适应方法在低光场景中与域错位作斗争.
- 不足够的功能在不同阶段的利用阻碍了性能.
研究的目的:
- 为低光实例细分提出一个照明引导的渐进无监督域适应方法 (IPULIS).
- 在正常和低光域之间逐渐调整图像,实例和像素级别的特征.
- 为了提高功能利用率和解决域错位问题.
主要方法:
- 开发了一种照明引导域区分器 (IGD),用于使用视网膜衍生照明图进行图像级对齐.
- 引入了前景焦点模块 (FFM),通过整合全球和本地特征来实现实例级对齐.
- 实现了边形感知域区分器 (CAD) 用于使用边形顶点特征进行像素级对齐.
主要成果:
- 通过逐步部署模块,IPULIS可以实现精确的特征对齐.
- 该方法可以在低光环境中实现高质量的实例细分.
- 在LIS真实世界低光数据集上展示了最先进的性能.
结论:
- IPULIS有效地解决了低光电脑视觉方面的挑战.
- 渐进的,照明引导的特征对齐可以提高实例细分的准确性.
- 拟议的方法为现实世界低光应用提供了强大的解决方案.
