ゼロリファレンス深層カーブ推定による低光量画像強化

本論文では、新しい手法であるゼロリファレンス深層カーブ推定（Zero-DCE）を提案します。この手法は、光強度の向上を特定の画像に対するカーブ推定タスクとして定式化し、深層ネットワークを使用します。当手法では、軽量な深層ネットワークDCE-Netを訓練して、与えられた画像の動的範囲調整のために画素単位および高次元のカーブを推定します。カーブ推定は特に画素値の範囲、単調性、微分可能性を考慮して設計されています。Zero-DCEは参考画像に関する制約が緩やかである点で魅力的であり、つまり学習中にペアまたは非ペアデータを必要としません。これは一連の慎重に設計されたノンリファレンス損失関数を通じて達成され、これらの損失関数は強度向上の品質を暗黙的に測定し、ネットワークの学習を促進します。当手法は効率的であり、画像強度向上は直感的かつ単純な非線形カーブマッピングによって実現できます。そのシンプルさにもかかわらず、当手法が多様な照明条件下でも良好に一般化することを示しています。様々なベンチマークでの広範な実験により、当手法が最先端の手法に対して質的および量的に優れていることが証明されました。さらに、Zero-DCEが暗い環境での顔検出に潜在的な利点を持つことについても議論しています。コードとモデルはhttps://github.com/Li-Chongyi/Zero-DCE で公開されます。