CVPRJan, 2019

寻找灰色像素

PDF
TL;DR本文提出了一种新的灰度指数来找到灰色像素，并证明其在光照估计中的效 iveness 和 efficiency。该灰度指数是用 Dichromatic Reflection Model 推导出来的，无需学习，适用于有色偏的图像中一或多个光照源的估计。在标准单光照和多光照估计基准测试中，GI 优于最先进的统计方法和许多最近的深度方法。GI 是简单且快速的，用非优化的 Matlab 代码处理 1080p 图像约为 0.4 秒。
grayness indexillumination estimationdichromatic reflection modelcolor-biased imagesstatistical methods
发现论文，激发创造
  • IndGIC：低照度条件下的监督动作识别

    在这篇论文中，我们提出了一种使用深度多输入网络的行为识别方法，并且还提出了一种独立伽马强度校正（Ind-GIC）来增强贫光照视频，通过生成一个伽马值来提高增强性能。通过与现有方法的评估和比较，实验结果表明我们的模型在 ARID 数据集上取得了高准确度。

    Aug, 2023

  • PIQI：基于高斯过程回归集成的感知图像质量指数

    本文提出了一种基于感知的数字图像质量评估方法 —— 无参考感知图像质量指数（PIQI），来评估数字图像的质量。通过计算多个尺度和颜色空间中的亮度、梯度统计信息以及均值减法对比规范化乘积，将这些提取出的特征提供给高斯过程回归（GPR）的堆叠集成模型进行质量评估，并在六个基准数据库上评估其性能并与其他方法进行比较，结果表明 PIQI 能够达到竞争水平。

    May, 2023

  • DI-Retinex：低光图像增强的数字成像 Retinex 理论

    通过对数字成像中的 Retinex 理论进行理论和实验分析，本文提出了一种名为数字成像 Retinex 理论（DI-Retinex）的新表达式，该表达式包括增强模型中的偏移项，允许使用非线性映射函数进行像素级亮度对比度调整，并通过 Gamma 空间提出了一种图像自适应掩蔽逆恢复损失来解决低光增强问题，同时设计了一种方差抑制损失来调节附加偏移项，实验结果表明我们的方法在视觉质量、模型大小和速度等方面优于所有现有的无监督方法，还可以在低光条件下辅助人脸检测器，与其他方法相比，在低光增强后面部检测的性能增益最显著。

    Apr, 2024

  • GIA-Net: 用于低光成像的全局信息感知网络

    本研究提出了一种全局信息感知模块 (GIA)，该模块能够提取和集成全局信息以改善低光成像表现，通过将 GIA 模块插入到基本 U-Net 中，构建了 GIA-Net，并在大规模真实世界低光成像数据集上实现了训练和评估，实验结果显示，所提出的 GIA-Net 在四个指标中表现优于现有的最先进方法。

    Sep, 2020

  • 多光源色彩恒常性的生成模型

    本文提出了一个基于物理的多光源颜色恒常性方法，利用 GAN 将照明估计问题建模为图像到图像域转换问题，并提出了一种新型的多照明数据增强方法，实验证明该方法优于现有工作。

    Sep, 2021

  • 概率图像着色

    该研究提出了一种基于概率的技术，用于为灰度自然图像着色，具有多个可能的着色方案和适当的随机采样方案，并通过严格的理论框架支持训练过程，达到了强大的实验结果。

    May, 2017

  • GMLight：通过几何分布近似进行光照估计

    本论文提出了一种利用回归网络和生成投影仪的几何移动灯光（GMLight）估计框架，通过对光线分布、光强度、环境项和辅助深度参数化来实现高度准确的照明估计，并利用生成投影仪合成具有现实外观和高频细节的全景照明贴图。

    Feb, 2021

  • 提高光照鲁棒人脸识别中的阴影抑制

    本文提出了一种新的方法来提高照明归一化的性能，通过建立反射模型和制定面部颜色外观的形成，生成了一种在对数颜色空间中稳健抵御照明变化的色度内在图像（CII）并在此基础上重新构建出逼真的面部彩色图像，实验结果表明该方法能够处理包括软阴影和硬阴影在内的照明变化，从而提高人脸识别的效果。

    Oct, 2017

  • 多光源色彩恒常性的条件 GAN：革命还是又一种方法？

    利用基于图像条件生成对抗网络的生成式端到端算法，重新看待了光照条件下的非均匀和多光源色彩恒常性问题，成功地消除了阴影和光照的影响，并提供了一个新的方法来检测和消除阴影，同时提供了一个由约 6000 对合成图像组成的阴影消除数据集，解决了数据的缺陷。

    Nov, 2018

  • 基于光滑技术的多光源场景像素级色彩恒常性

    通过学习多个光源引起的像素级照明图，提出了一种新的多光源颜色恒常性方法，该方法利用总变差损失对邻近像素进行平滑处理，进一步使用双边滤波增强估计图像的自然外观并保留边缘，并通过标签平滑技术使模型能够在地面真实性的不确定性下进行更好的推断。定量和定性实验证明该方法优于现有的技术水平。

    Feb, 2024