梦醒Blue的博客

物体或表面的外观在很大程度上取决于视野中其他物体和表面的光。这篇综述关注的是复杂场景中的颜色，这些场景中同时或连续出现不同颜色的区域，就像在自然观察中一样。复杂场景中的颜色表现与孤立光斑的表现有两个基本特性。首先，在复杂场景中，物体的颜色并不完全由从该物体到达眼睛的光决定。其次，复杂场景的色彩表现不仅对色调、饱和度和亮度产生影响，还对其他感知产生影响，如形状、纹理和物体分割。这两个特性是本综述的基石，它研究了随着空间或时间变化的背景中的颜色知觉，包括颜色恒常性以及对方向、轮廓、深度和运动等感知的色彩贡献。

颜色恒常性在物理上如何可能？观察者判断什么？什么样的实验方法是合适的？哪些物理场景属性是相关的？支持颜色恒定性的神经机制是什么？自然场景和表面是否特别？Abstract四分之一个世纪前，进行了第一个系统的行为实验以阐明颜色恒常性的性质——尽管照明光谱发生变化，但表面的感知颜色仍然保持不变的效果。大约在同一时间，出现了新的颜色恒常性模型，以及关于皮层机制的生理数据和自然场景的摄影色度测量。从那时起，正如这篇评论所显示的那样，已经取得了许多进步。

讲述颜色恒常性究竟是否存在的论文，感觉讲的是似而非，但是现在颜色恒常性已经作为相机调优等领域的一个重要环节，并且已经有许多研究人员设计了方法，去解决该问题。对于一个稳定的视觉世界，物体的颜色在不同的光线下应该看起来是一样的。颜色恒常性的这种特性被认为是视觉的基础，并且已经进行了许多实验尝试来量化它。然而，我在这里争辩说，通常的测量方法要么过于粗略，要么不专注于颜色恒常性本身，而是专注于场景感知的其他互补方面。除了名义术语外，是否存在颜色恒常性仍不清楚。

经典的Retinex论文，现在Retinex由于可以将图像拆分成光照图像和反射图像，所以在保证颜色稳定的图像增强任务中具有较多的应用，同时可以和现有许多最新的方法结合，提出更优秀的增强算法，这篇文章主要是提出该理论并对其进行证实。Color.色彩感觉与反射率表现出强烈的相关性，尽管到达眼睛的可见光量取决于反射率和照明的乘积。视觉系统必须通过一种不测量通量的方案来实现这一显著的结果。这种方案被描述为Retinex理论的基础。

该文章主要提出了一个光源估计得数据集Cube++，每个场景光源由一个或多个组成，数据由RAW图像和校正后的Jpg组成，使用较为方便。文章中说明该数据集主要特点如下多样性。覆盖更多内容和照明情况可以提高测试质量。大型。数据集不仅需要多样性，还需要每种情况有足够的图像数量。这可以使得即使对于罕见情况的质量改进也能被察觉。信息丰富。数据集应该包含尽可能多的有关每个拍摄图像的信息。包括拍摄过程中可用的信息、场景属性的元信息、不同角度的光源信息等。可更新。每个照明估计数据集通常都包含地面真实照明误差。

该文章对CMOS传感器噪声进行了分析和建模

暗光图像噪声建模

首篇扩散模型论文翻译，自我学习