TPAMI 2024 | 无监督光照适应低光视觉

于 2024-10-05 09:30:00 发布
阅读量5 收藏
点赞数
分类专栏： 论文解读 IEEE TPAMI 文章标签： TPAMI IEEE 深度学习 顶刊论文 论文解读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42722197/article/details/141828838
版权
论文解读 IEEE TPAMI 专栏收录该内容
236 篇文章 15 订阅 ¥49.90 ¥99.00
订阅专栏

题目：Unsupervised Illumination Adaptation for Low-Light Vision

无监督光照适应低光视觉

作者：Wenjing Wang; Rundong Luo; Wenhan Yang; Jiaying Liu

摘要

光照不足对人类和机器视觉分析都带来了挑战。现有的低光增强方法主要关注人类视觉感知，往往忽略了机器视觉和高层语义。在本文中，我们首次构建了一个面向高层视觉的光照增强模型。借鉴相机响应函数的灵感，我们的模型可以从机器视觉的角度增强图像，尽管其架构轻量、公式简单。我们还引入了两种方法，利用基础增强曲线的知识和自监督预任务来训练不同的从正常光到低光的适应场景。我们提出的框架克服了现有算法的局限性，无需在低光条件下获取标注数据。它能够更有效地恢复光照和对齐特征，显著提高下游任务的性能，并可以即插即用。该研究推进了低光机器分析领域，广泛适用于分类、面部检测、光流估计和视频动作识别等多种高层视觉任务。

关键词

  • 领域适应
  • 高层视觉
  • 光照增强
  • 低光
  • 自监督学习

了解本专栏 订阅专栏 解锁全文
小白学视觉
关注
专栏目录
订阅专栏
TPAMI 2024 | 利用相机原始快照进行高效的视觉计算
小白学视觉
08-05 53
题目：Efficient Visual Computing With Camera RAW Snapshots 利用相机原始快照进行高效的视觉计算 作者：Zhihao Li; Ming Lu; Xu Zhang; Xin Feng; M. Salman Asif; Zhan Ma 源码链接： https://njuvision.github.io/rho-vision 摘要 传统相机在传感器上捕获图像辐照度（RAW），并使用图像信号处理器（ISP）将其转换为RGB图像。然后，这些图像可以用于摄影或在各种应
TPAMI 2024 | 单目深度估计：全面综述
小白学视觉
07-24 984
在计算机视觉领域，对二维图像中深度的估计是一个具有挑战性的主题。这是一个长期被深入研究且定义不明确的问题，一直是密集研究的焦点。本文是对这一主题的深入回顾，呈现了两个方面：一方面考虑人类深度感知的机制，另一方面包括各种深度学习方法。这些方法以紧凑和结构化的方式呈现，概述了主题，并根据近十年的研究线索对方法进行了分类。尽管在这一主题上取得了显著进展，但似乎没有任何与人类深度感知及其潜在益处的联系。
TPAMI 2024 | 夜晚拍照看不见女朋友？无监督光照适应低光视觉帮你解决
小白学视觉
09-17 416
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达点击加入论文投稿、写作、阅读分享交流群题目：Unsupervised Illumination Adaptation for Low-Light Vision无监督光照适应低光视觉作者：Wenjing Wang; Rundong Luo; Wenhan Yang; Jiaying Liu摘要光照不足对人类和机器视觉分析都带来了挑...
TPAMI 2024 | 无需源域的领域泛化预训练在面部反欺骗中的应用
小白学视觉
09-03 65
无源域自适应（SFDA）展示了提高基于深度学习的人脸反欺骗（FAS）的泛化能力的潜力，同时保护敏感人脸数据的隐私和安全。然而，现有的SFDA方法在没有源数据访问权限的情况下，由于无法减轻FAS中的域和身份偏差而显著降级。在本文中，我们提出了一种新颖的无源域自适应框架用于FAS（SDA-FAS），系统地解决了无源设置下的源模型预训练、源知识适应和目标数据探索的挑战。具体来说，我们开发了一种泛化方法用于源模型预训练，利用因果启发的PatchMix数据增强来减少域偏差，并设计了逐片对比损失来缓解身份偏差。
TPAMI 2024 | 卷积交叉视角姿态估计
小白学视觉
06-28 131
题目：Convolutional Cross-View Pose Estimation 卷积交叉视角姿态估计 作者：Zimin Xia; Olaf Booij; Julian F. P. Kooij 源码链接： https://github.com/tudelft-iv/CCVPE 摘要 我们提出了一种新颖的端到端跨视角姿态估计方法。给定一个地面级查询图像和一个覆盖查询局部邻域的航拍图像，通过将查询图像描述符与航拍图像中局部区域的描述符进行匹配，估计查询图像的3自由度相机姿态。方向感知描述符是通过使用平
TPAMI 2024 | 三维视觉显著性：一个独立的感知度量还是二维图像显著性的衍生物？
小白学视觉
09-07 149
在计算机视觉和图形学领域，3D视觉显著性的研究已经取得了长足的进展，其目标是预测3D表面的区域重要性，以与人类视觉感知相一致。然而，最新的眼动追踪实验表明，现有的最先进3D视觉显著性方法在预测人类注视点方面表现不佳。这些实验中显著出现的线索表明，3D视觉显著性可能与2D图像显著性有关。
TPAMI 2024 | 单目深度估计
小白学视觉
07-17 246
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达题目：Monocular Depth Estimation: A Thorough Review单目深度估计：全面综述作者：Vasileios Arampatzakis; George Pavlidis; Nikolaos Mitianoudis; Nikos Papamarkos摘要在计算机视觉领域，对二维图像中深度的估计是一...
​TPAMI 2023 | 无监督域适应语义分割新视角：统一图像和特征层次的对齐
Paper weekly
05-10 3166
©PaperWeekly 原创 ·作者 |陈超奇单位 |香港大学研究方向 |迁移学习论文标题：I2F: A Unified Image-to-Feature Approach for Domain Adaptive Semantic Segmentation论文链接：https://arxiv.org/abs/2301.01149（预印版）https://ieeexplore.ieee.o...
TPAMI 2024 | 评估人脸图像质量：大规模数据库和Transformer方法
小白学视觉
06-27 105
在过去的十年中，人脸图像的数量呈爆炸式增长，各种失真不可避免地存在于传输或存储的人脸图像上。这些失真导致人脸图像的可见和不良退化，影响了它们的体验质量（QoE）。为了解决这个问题，本文提出了一种基于Transformer的新型方法，用于人脸图像质量评估（命名为TransFQA）。具体来说，我们首先建立了一个大规模的人脸图像质量评估（FIQA）数据库，其中包含42,125张具有不同失真类型和多样化内容的人脸图像。
基于深度学习的不遗忘训练
weixin_42605076的博客
10-02 638
基于深度学习的不遗忘训练（也称为抗遗忘训练或持久性学习）是针对模型在学习新任务时可能会忘记已学习内容的一种解决方案。该方法旨在使深度学习模型在不断接收新信息的同时，保持对旧知识的记忆。
深度学习·wandb
2301_80132162的博客
10-01 389
一个好用的可视化训练过程和调参工具，建议在深度学习中使用，语法来说更加方便。
安全帽头盔检测数据集 3类 12000张 安全帽数据集 voc yolo
阿利同学的博客
10-04 731
安全帽头盔检测数据集 3类 12000张 安全帽数据集 voc yolo
AI学习指南深度学习篇-批标准化（Batch Normalization）简介
俞兆鹏的博客
09-28 879
批标准化是深度学习领域不可或缺的重要技术之一，极大地提高了训练速度和模型性能。它通过标准化中间层的输出，减轻了内部协变量偏移的影响，有效解决了训练过程中常见的问题。从传统的深度网络到现代复杂模型，批标准化为深度学习的快速发展做出了重要贡献。在实际应用中，理解并有效利用批标准化的特性，可以帮助我们构建更高效、准确的深度学习模型。继续深入研究和探索批标准化在其他网络构架中的应用，将进一步推动深度学习的发展与多样性。
深度学习：DCGAN
Landy_Jay的博客
10-01 436
CDGAN（Deep Convolutional Generative Adversarial Networks），是GAN（Generative Adversarial Networks）的一种变体，它特别使用了卷积神经网络（CNNs）作为生成器和判别器的构建模块。DCGAN使用全卷积网络结构代替传统的池化层和全连接层。在生成器中采用转置卷积（也称为分数步长卷积或反卷积）来逐步增加图像的空间维度。在判别器中使用卷积层来逐步减少空间维度并提取特征。
国创——基于分离表示的人脸图像生成技术
2301_80073593的博客
10-01 951
根据用户的个性化需求，对分离得到的形状和纹理表示进行调整。- 在DFGA框架的几何形状生成模块中，根据输入数据（可能是经过预处理的图像特征等），使用特定的算法或模型生成人脸的几何形状。- 分离表示旨在将人脸图像分解为不同的组件，如几何形状（面部结构）、皮肤纹理（颜色、细节等）等表示形式。- 将生成的几何形状和皮肤纹理进行融合，得到最终的个性化人脸图像或者视频帧（如果是从视频序列输入）。- 定义DFGA框架中的各个模块，如数据加载模块、几何形状生成模块、皮肤纹理生成模块、融合模块等。
深度学习每周学习总结J1（ResNet-50算法实战与解析 - 鸟类识别）
最新发布
qq_33489955的博客
10-04 748
数据导入及处理部分：本次数据导入没有使用torchvision自带的数据集，需要将原始数据进行处理包括数据导入，查看数据分类情况，定义transforms，进行数据类型转换等操作。划分数据集：划定训练集测试集后，再使用torch.utils.data中的DataLoader()分别加载上一步处理好的训练及测试数据，查看批处理维度.模型构建部分：resnet-50。
基于Python的自然语言处理系列（19）：基于LSTM的语言模型实现
不想宅的冷同学
09-29 788
在本篇博文中，我们实现了一个基于LSTM的语言模型，探讨了其在自然语言处理中的重要性。通过对WikiText数据集的训练，我们了解了如何进行数据预处理、模型构建以及训练与评估过程。这一模型为理解语言生成打下了基础，也展示了如何使用PyTorch进行实际应用。随着对LSTM语言模型的深入理解，我们将在下一篇博文中转向更先进的Transformer模型及其在语言建模中的应用，期待与大家一同探讨Transformer如何提升自然语言处理的能力，并掌握束搜索等高效解码技术。希望继续激发大家对这一领域的热情与探索！
深度学习：迁移学习
纸上得来终觉浅
09-27 1282
迁移学习
IEEE TPAMI 2022年的视觉期刊
04-05
IEEE TPAMI（IEEE Transactions on Pattern Analysis and Machine Intelligence）是一个高质量的视觉期刊，涵盖了计算机视觉、模式识别、机器学习等领域的研究。以下是IEEE TPAMI 2022年的视觉期刊： 1. Volume 44, Issue 1: January 2022 2. Volume 44, Issue 2: February 2022 3. Volume 44, Issue 3: March 2022 4. Volume 44, Issue 4: April 2022 5. Volume 44, Issue 5: May 2022 6. Volume 44, Issue 6: June 2022 7. Volume 44, Issue 7: July 2022 8. Volume 44, Issue 8: August 2022 9. Volume 44, Issue 9: September 2022 10. Volume 44, Issue 10: October 2022 11. Volume 44, Issue 11: November 2022 12. Volume 44, Issue 12: December 2022
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值