- 室内低光语义分割框架 LISU: Low-light indoor scene understanding with joint learning of reflectance restoration 1,这是一篇2022年ISPRS Journal of Photogrammetry and Remote Sensing的论文,它提出了一个多任务网络,同时进行反射图修复和语义分割。它利用了自监督学习和图像分解的方法,将正常光照的图像转换为低光图像,并在反射图上进行语义分割。它还提出了一个真实的和一个渲染的低光数据集用于评估。
- 增强算法一定有效吗? 无需增强,直接训练,解决低光照场景下的目标检测问题(ICCV 2021)2,这是一篇2021年ICCV的论文,它提出了一个自监督学习方法,利用大规模数据集上的正常图像合成暗光图像,并用孪生网络预测光照变换参数。它将自监督学习和目标检测联合训练,并在两个暗光数据集上进行微调。
- 代码开源,仅需90K参数!实时完成低光增强, 曝光矫正的超轻量级Transformer网络IAT (BMVC 2022) 3,这是一篇2022年BMVC的论文,它提出了一个超轻量级的Transformer网络,用来实时完成暗光增强和曝光矫正。它借鉴了目标检测中的DETR结构,利用了attention query机制来学习ISP流程的相关参数。它还探究了暗光场景下的目标检测和语义分割任务。
以上是推荐的几篇暗光场景的语义分割文章,你可以阅读原文或者代码来了解更多细节和技术。希望我的回答对你有帮助。😊
1 https://blog.csdn.net/u013544265/article/details/124051389
2 https://zhuanlan.zhihu.com/p/572545992
3 https://zhuanlan.zhihu.com/p/535695807