要約
夜間撮影は通常、低照度とボケの問題に悩まされます。これは暗い環境下での撮影や長時間露光の一般的な使用によるものです。既存の光増強および除ボケ手法は個々の問題に対処できましたが、これらの手法を連続的に適用しても、視認性とテクスチャの同時劣化に対して十分に効果的に対処することは困難でした。また、低照度とボケが共存する状況を特徴付けるためのペアデータがないため、エンドツーエンドネットワークの訓練も現実的ではありません。この問題に対処するために、我々は現実的な低照度ボケ劣化をモデル化する新しいデータ合成パイプラインを導入します。このパイプラインを使用して、低照度と除ボケの同時処理用に初めての大規模データセットを提示します。このデータセット「LOL-Blur」には、異なるシナリオにおける多様な暗さと動きボケを持つ12,000組の低ボケ/通常シャープ画像ペアが含まれています。さらに、我々は両方の相互に関連したタスク間の相乗効果を考慮して特別に設計された有効なネットワーク「LEDNet」を提案します。提案されたデータセットとネットワークは、この挑戦的な同時タスクに対する基礎を提供しています。広範囲にわたる実験により、当社の方法が合成データセットおよび実世界データセットにおいて有効であることが示されています。