论文解读：Learning to see in the dark

最新推荐文章于 2024-06-05 11:02:59 发布
最新推荐文章于 2024-06-05 11:02:59 发布
阅读量829 收藏 1
点赞数 1
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/weixin_42708957/article/details/81077475
版权

论文下载地址：https://arxiv.org/abs/1805.01934

论文github     ：https://github.com/cchen156/Learning-to-See-in-the-Dark

简要介绍：提出了一种基于全卷积神经网络的端到端的处理极限低光图像的网络结构。

输入：短曝光（0.1,0.04,0.033）的传感器数据（raw）

Label：对应的长曝光（10,30）低ISO的高质量RGB图像（会存在些许噪声）

端到端神经网络的作用：颜色变换，去马赛克，去噪，图像增强

目的：在光线不足的情况下产生感知良好的图像，而不是彻底删除图像中的所有噪音或者最大化对比度

上图由上而下展示了传统的图像处理管线，L3管线， 多帧图像管线，论文模型管线

卷积网络类型：U-net or CAN  (注意输入和输出的类型不统一，所以不能用一般的残差学习网络)

在网络的最后，经过了一个子像素层来恢复图像原来的分辨率

超参数说明：Amplification Ratio :决定了输出的亮度，训练时取为label和input的曝光时间之商

                  ：Black_Level:减去的一个值，不知道是啥意思

训练过程：为每一个相机训练一个网络，数据增强方式：随机裁剪512*512，随机翻转，随机转置 

                  学习率：1-2000:1e-4    2001-4000 : 1e-5              (epoch)

为了使图像表现更好，对输出图像可以应用直方图拉伸

林连鹏
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【低光图像增强】Learning to See in the Dark
sinat_36197913的博客
11-02 3872
Learning to See in the DarkAbstractIntroduction Abstract 低光图像增强面临的问题：可用的数据集少；低光图像的信噪比低；短曝光图像噪声多，长曝光图像会比较模糊，不真实。 针对这些问题：提出了一个短曝光低光raw图像数据集，对应长曝光的参考图像；使用这个数据集提出了一个低光图像处理全卷积网络，输入是raw图像，省去了传统的isp流程。 Introduction ...
Learning to See in the Dark
庆志的小徒弟
11-07 2721
文章链接：https://arxiv.org/pdf/1805.01934.pdf      github：https://github.com/cchen156/Learning-to-See-in-the-Dark 1.摘要 人们提出了各种图像去噪、去模糊和增强技术，但它们在极端条件下的效果是有限的，例如夜间视频速率成像。为了支持基于学习的低亮度图像处理管道的开发，我们收集了一个原始短曝光...
在黑暗中看见：探索Learning-to-See-in-the-Dark项目
gitblog_00019的博客
03-21 464
在黑暗中看见：探索Learning-to-See-in-the-Dark项目 项目地址:https://gitcode.com/cchen156/Learning-to-See-in-the-Dark Learning-to-See-in-the-Dark是一个开源项目，由陈晨（cchen156）创建并维护，它利用深度学习技术提高在低光照环境下的图像质量。通过此项目，开发者可以理解和应用先进的算法...
Learning-to-See-in-the-Dark-master.zip
09-02
这是关于论文Learning to See in the Dark. CVPR 2018的相关代码值得学习
《Learning to See in the Dark》论文超详细解读（翻译＋精读）
最新发布
m0_52275819的博客
06-05 902
低光成像是一项挑战，主要由于光子数量少和信噪比(SNR)低。短曝光图像容易受到噪声影响，而长曝光虽能增加亮度，却可能导致模糊且往往不切实际。虽然已提出多种去噪、去模糊和增强技术，但在极端条件下，如夜间视频速率成像时，它们的有效性有限。为了支持基于学习的低光图像处理流程的开发，我们引入了一组包含原始短曝光低光图像及其对应长曝光参考图像的数据集。利用这一数据集，我们基于全卷积网络的端到端训练，开发了一套低光图像处理流程。
Learning-to-See-in-the-Dark跑通及实现方法
zenglongjian的博客
03-13 252
Learning-to-See-in-the-Dark，环境搭建，并跑通
低光图像目标检测论文：YOLO in the Dark - Domain Adaptation Method for Merging Multiple Models阅读笔记
import_torch_as_tf
05-07 8246
论文链接：https://link.springer.com/chapter/10.1007/978-3-030-58589-1_21 来源：ECCV 2020 Abstract 生成模型来处理新的可视化任务需要额外的数据集，这需要花费大量的精力来创建。我们提出了一种域自适应的方法来合并多个模型，比创建一个额外的数据集更省力。该方法将预先训练好的模型与生成模型相结合，在不增加数据集的情况下，将潜在特征反馈给粘合层进行训练。我们还提出了一个生成模型，它是通过从预先训练的模型中提取知识来创建的。这使得数据
阅读论文《Learning to See in the Dark》
CHNguoshiwushuang的博客
06-17 2251
   这是2018CVPR的一篇论文，旨在说明使用深度学习的方法使得暗光条件下的图像更明显。一般来说低光照条件下的图像噪点更多，使用一些方法增强图像或是引入更多的噪点，或是由于曝光时间过长导致抖动产生图像上的模糊。而目前增强暗光图像的方法还不试用于非常暗光和非常短曝光时间的图像，所以文章认为可以充分利用raw类型的数据进行图像增强。如下图所示，一般增强后的图像中噪点非常多： ...
Learning to See in the Dark.pdf
09-02
这是关于学术论文Learning to See in the Dark的相关代码
pytorch-Learning-to-See-in-the-Dark-master.zip
08-05
在这个名为"pytorch-Learning-to-See-in-the-Dark-master"的项目中，我们看到的是一个针对CVPR（计算机视觉与模式识别）会议发表的论文实现。CVPR是计算机视觉领域的顶级会议，每年都会展示许多前沿的研究成果。此...
learning to see in the dark
06-03
a paper about photo processing in very dark environment.
Learning-to-See-in-the-Dark-master_Dark_treeview_
09-29
在IT领域，尤其是在软件开发中，"Learning to See in the Dark"通常指的是在低光照条件下的图像处理技术，旨在提高暗环境下拍摄的照片或视频的质量。然而，在Java编程中，"Dark treeview"可能是指一种特定的UI组件...
learning to see in the dark: 弱光场景下基于相机底层信号的图像处理
MrCharles在CSDN
05-19 705
Chen, C., Chen, Q., Xu, J., & Koltun, V. (2018). Learning to see in the dark. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 3291-3300). 针对以往的黑暗条件下图像处理的一些挑战，特别是短曝光的图像没有对应的ground truth的问题，该文提出了一个数据集，有一些列的短曝光的图像，同时.
Learning to See in the Dark论文阅读笔记
u013517182的博客
02-27 617
这是一篇图像增强的论文，作者创建了一个数据集合，和以往的问题不同，作者的创建的see in the dark（SID）数据集合是在极其暗的光照下拍摄的，这个点可以作为一个很大的contribution 实际上我认为作者实际上是做了三个工作，以及图像去马赛克（demosaic）,图像增强（enhancement）和图像去噪（denoise） denoise 作者在introduction中...
Learn to See in the Dark 论文解读
热门推荐
linchunmian的博客
05-12 1万+
整理下最近一篇论文的学习笔记。这是由UIUC的陈晨和Intel Labs的陈启峰、许佳、Vladlen Koltun 合作提出的一种在黑暗中也能快速、清晰的成像系统，让机器“看破”黑暗。以下是论文的主要部分。摘要在暗光条件下，受到低信噪比和低亮度的影响，图片的质量会受到很大的影响。此外，低曝光率的照片会出现很多噪声，而长曝光时间会让照片变得模糊、不真实。目前，很多关于去噪、去模糊、图像增强等技术的...
论文笔记：Learning to See in the Dark
zbwgycm的博客
07-12 5180
Introduction 在极低照度环境下，使用短曝光拍照会存在大量噪声和偏色问题，而使用长曝光拍照会造成图像模糊。文章提出了一种低光照图像质量提升的方法。其利用端到端的全卷积网络代替传统图像后处理链路，可直接将传感器RAW数据处理得到可视化的彩色图像。文章主要贡献在于： 提出了一种端到端的方法提升极低光照图像的图像质量，主要解决噪声和偏色问题； 建立低光照图像库，以短曝光图像与其对...
Learning to See in the Dark阅读札记
weixin_43101257的博客
03-27 3924
Learning to see in the dark
CVPR 2018论文解读 | 学习在黑暗中看世界（Learning to See in the Dark）
gzq0723的博客
05-28 3001
好些天不和大家见面，还是怪想各位关注我们支持我们的你！由于“计算机视觉战队”创始人最近接近毕业阶段，所以很多事情要去处理，没有及时给大家带来好的分享，在此向大家表示由衷的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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