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