HyperAIHyperAI
منذ 2 أشهر

التقدير العميق للمنحنى بدون مرجع لتحسين الصور في الإضاءة المنخفضة

Guo, Chunle ; Li, Chongyi ; Guo, Jichang ; Loy, Chen Change ; Hou, Junhui ; Kwong, Sam ; Cong, Runmin
التقدير العميق للمنحنى بدون مرجع لتحسين الصور في الإضاءة المنخفضة
الملخص

يقدم هذا البحث طريقة جديدة تُسمى تقدير المنحنى العميق بدون مرجع (Zero-DCE)، والتي تشكل تعزيز الضوء كمهمة لتقدير منحنيات خاصة بالصورة باستخدام شبكة عميقة. يتدرب أسلوبنا على شبكة عميقة خفيفة الوزن، تُعرف بـ DCE-Net، لتقدير المنحنيات ذات الرتبة العالية والبكسلية لكل بكسل للتعديل في نطاق الديناميكية للصورة المعطاة. يتم تصميم تقدير المنحنى بشكل خاص، مع مراعاة نطاق قيمة البكسل، والتوالي، والتفاضل.تتميز Zero-DCE بفرضيتها المرن حول الصور المرجعية، أي أنها لا تتطلب أي بيانات مترافقة أو غير مترافقة أثناء التدريب. يتم تحقيق هذا من خلال مجموعة من وظائف الخسارة غير المرجعية التي تم صياغتها بدقة، والتي تقيس ضمنياً جودة التعزيز وتوجِّه تعلم الشبكة. يعتبر أسلوبنا فعالاً حيث يمكن تحقيق تعزيز الصورة من خلال رسم بياني غير خطي وبسيط للممنحنيات. رغم بساطته، نظهر أن هذه الطريقة تنطبق بشكل جيد على ظروف الإضاءة المختلفة. تُظهر التجارب الواسعة على معايير مختلفة المزايا النوعية والكمية لأسلوبنا مقارنة بالأساليب المتقدمة الأخرى.بالإضافة إلى ذلك، يتم مناقشة الفوائد المحتملة لـ Zero-DCE في الكشف عن الوجوه في الظلام. سيتم توفير الكود والنماذج على الرابط: https://github.com/Li-Chongyi/Zero-DCE.

التقدير العميق للمنحنى بدون مرجع لتحسين الصور في الإضاءة المنخفضة | أحدث الأوراق البحثية | HyperAI