Jul, 2021

DarkLighter：无人机跟踪中的光明之光

PDF
TL;DR本文提出了一种名为 DarkLighter 的低光图像增强器，采用轻量级的 ME-Net 网络，用于提高无人机跟踪器在夜间、低光环境下的鲁棒性。实验证明，DarkLighter 的普适性和可靠性很高，并已在典型的 UAV 系统上实现，夜间场景的实际测试表明其实用性和可靠性。
convolutional neural networklow-light image enhanceruav trackingillumination mapsme-net
发现论文，激发创造
  • Tracker Meets Night: 无人机跟踪的 Transformer 增强器

    提出了一种基于空间通道 Transformer 的低光增强器，通过在跟踪方法之前引入该增强器，以实现可靠的夜间 UAV 追踪，使用 DarkTrack2021 基准进一步评估该方法.

    Mar, 2023

  • 夜间无人机跟踪的相互学习知识蒸馏

    通过教师 - 学生的知识转移，构建了一种夜间无人机追踪的新型相互学习知识蒸馏框架 MLKD，以解决夜间无人机追踪中的低光增强器引入的计算负担和单学生训练偏见等问题，并在实际测试中验证了其有效性和优越性。

    Dec, 2023

  • DarkShot: 用低计算量和高质量照亮暗图像

    本文提出了一种轻量级网络，采用 Siamese Self-Attention Block (SSAB) 和 Skip-Channel Attention (SCA) 模块，提高了模型对全局信息的聚合能力，适用于高分辨率图像，并且基于对低光图像恢复过程的分析，提出了一个优于现有方法的二阶段框架，能够在保持最先进的恢复质量的同时，用最少的计算量恢复一张 UHD 4K 分辨率的图像。

    Dec, 2023

  • DCPT：夜间无人机的黑暗线索引导跟踪

    提出了一种名为 Darkness Clue-Prompted Tracking（DCPT）的新颖架构，通过有效地学习生成黑暗线索提示，实现了夜间无人机跟踪的鲁棒性。DCPT 在昼夜切换中无需额外模块，直接将抗黑暗能力编码为黑暗线索提示器（DCP）生成的视觉提示，通过固定参数的白天跟踪器与变压器层进行学习和融合。实验证明 DCPT 在多个黑暗场景基准上表现出最先进的性能，实现了增强和跟踪的端到端可训练系统。

    Sep, 2023

  • 低光环境下目标跟踪的综合研究

    在低光环境中进行准确的物体追踪对于监控和动物行为学应用至关重要。本文研究了这些扭曲对自动物体追踪器的影响，并提出了一种解决方案，通过将去噪和低光增强方法整合到基于变压器的物体追踪系统中，提高追踪性能。实验结果表明，用低光合成数据集训练的提出的追踪器优于原始的 MixFormer 和 Siam R-CNN。

    Dec, 2023

  • ADTrack: 面向实时反暗无人机跟踪的目标感知双滤波学习

    提出了一种具有抗暗功能的新型追踪器 ADTrack，通过在基于相关性过滤器的追踪器中集成高效，有效的低光图像增强器，同时生成基于图像照明变化的目标感知遮罩，以协助上下文过滤器进行强引导追踪。ADTrack 采用双重回归，其中上下文过滤器和目标专注过滤器互相限制进行双重过滤器训练，在 37 个典型的暗场景基准测试中，ADTrack 优于其他同类追踪器，实现了单 CPU 上 34 帧 / 秒的实时速度。

    Jun, 2021

  • LLNet: 自然低光图像增强的深度自编码器方法

    在低光环境下，提出用基于深度自编码器的方法来增强和去噪图像以及适应动态环境，该方法可以在监视、监测和战术侦察等领域有很好的应用效果。

    Nov, 2015

  • 暗光下的多目标追踪

    本文介绍了一个低光场景下的多目标跟踪方法和相应的数据集 LMOT，证实了该方法在实际夜间低光场景中的竞争力。

    May, 2024

  • 激光照亮黑暗：通过相机与雷达融合技术提升自动驾驶车辆低能见度感知

    本篇论文提出了一种基于变形金刚网络的 3D 物体检测模型 REDFormer，该模型通过使用鸟瞰相机和雷达融合，解决低能见度条件下自动驾驶系统的感知问题，并且在多雷达点云数据、多种天气和时间数据的 nuScenes 数据集上进行验证，相比其他最先进模型，该模型在低能见度情况下表现出更高的检测精度。

    May, 2023

  • 通过网络修剪设计轻量级物体跟踪器：使用 CNN 或 Transformer？

    本研究提出采用神经网络架构剪枝技术设计高度压缩的轻量级物体跟踪器，并提供最适合设计轻量级跟踪器的架构选择的比较研究。研究结果表明，在一定程度的压缩比下，使用 CNNs，transformers，以及两者的组合的 SOTA 跟踪器的稳定性不同，该研究为从现有 SOTA 方法中设计高效跟踪器提供了深入的见解。

    Nov, 2022