CVPR 低光照图像增强 图像增强与统一恢复网络2024

已于 2024-12-06 15:57:06 修改
阅读量5k 收藏 21
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习宝典 文章标签： 计算机视觉 人工智能 深度学习
于 2022-10-01 00:00:17 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/jacke121/article/details/127130473
大连理工在CVPR 2022上提出的SCI方法实现了快速、超强的低光照图像增强。模型大小43M，在1060显卡上处理640*400图像只需1-2毫秒。项目已开源，提供了可视化代码和Demo效果。此外，还有配套的论文解读博客文章。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

了解本专栏 订阅专栏 解锁全文 超级会员免费看
CVPR 2022 Oral 大连理工提出SCI：快速、超强的低光照图像增强方法
jacke121的专栏
06-12 4555
CVPR 2022 Oral 大连理工提出SCI：快速、超强的低光照图像增强方法
算法联调篇 | YOLOv8结合SCI低光照图像增强算法！让夜晚目标无处遁形！【含端到端推理脚本】
YOLOv8项目贡献者
04-02 5660
YOLOv8结合SCI低光照图像增强算法！让夜晚目标无处遁形！
SCI：快速、灵活与稳健的低光照图像增强方法（​CVPR 2022 Oral）
我爱计算机视觉
06-06 6085
关注公众号，发现CV技术之美本文分享论文『Toward Fast, Flexible, and Robust Low-Light Image Enhancement』，提出了一种全新的低光照图像增强方案：自校准光照学习（SCI）。通过构建引入自校准模块的权重共享光照学习过程，摒弃了网络结构的繁杂设计过程，实现了仅使用简单操作进行增强的目的。大量实验结果表明，SCI在视觉质...
低照度图像增强代码
jinx_ovo的博客
10-11 1422
低照度图像增强代码代码 代码 // An highlighted block #include <opencv2/core/core.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <opencv2/highgui/highgui.hpp> #include <iostream> #include <stdio.h> //#include <cv.h> //#include&lt
【低照度图像增强系列（5）】Zero-DCE算法详解与代码实现（CVPR 2020）
热门推荐
路人贾的博客
01-25 1万+
【低照度图像增强系列（5）】Zero-DCE算法详解与代码实现（CVPR 2020）
【低照度图像增强系列（4）】SCI算法详解与代码实现（CVPR 2022|大连理工）
路人贾的博客
01-18 8276
低照度图像增强系列（4）——SCI算法详解与代码实现
大连理工大学在CVPR18大规模精细粒度物种识别竞赛中获得冠军
量子位
07-20 2345
大连理工大学此前在CVPR2018的iNaturalist竞赛中，取得了第一名（1/59）。这个比赛由Google、加州理工和康奈尔大学组织，微软公司赞助，旨在解决大规模...
计算机视觉与深度学习 ｜ 低照度图像增强算法综述（开源链接，原理，公式，代码）
最新发布
尘世冰封的专栏
06-13 706
激光雷达与可见光融合已在自动驾驶夜间感知中取得初步进展。当前主观评价（如MOS）与客观指标（PSNR/SSIM）常存在分歧，需建立感知质量统一的评估标准。轻量化设计仍是移动端部署的关键。WaveletMamba的线性复杂度模型为实时处理提供新思路。实验表明，该方法在PSNR指标上超越SOTA方法2.1dB，推理速度提升3倍。是传统方法的基石，由Edwin Land提出。开发如事件相机等新型传感器，其高动态范围特性可从根本上缓解低照问题。该方法在保留结构的同时抑制噪声，计算复杂度仅为。
【论文精读】Deep Color Consistent Network for Low-Light Image Enhancement 用于低光照图像增强的深度颜色一致网络
weixin_54098256的博客
03-11 3151
Abstract论文链接：代码链接：Abstract低光照增强（LLIE）任务如何refine光照并获得正常的自然光照图像目前的LLIE方法没有考虑将颜色信息合理的融入LLIE处理中（未考虑颜色一致性增强图像和ground-truth存在色差提出DCC-Net来保留LLIE的颜色一致性提出“分而治之灰度图颜色直方图提出金字塔颜色嵌入模块（PCE）在六个数据集上实验，DCC-Net增强图像更加自然、色彩丰富eg：人脸识别、目标检测、语义分割新的策略DCC-Net解耦合策略G-Net。
RTDETR结合SCI低光照图像增强算法！让夜晚目标无处遁形！【含端到端推理脚本】
YOLOv8项目贡献者
05-27 956
YOLOv8结合SCI低光照图像增强算法！让夜晚目标无处遁形！
DR-TM NET射线图像增强网络
qq_35872942的博客
11-15 781
最近看到了一篇用深度学习做射线图像增强的文章，这也是我目前看到的唯一的一篇，分享给大家。文章名称是《Detail Restoration and Tone Mapping Networks for X-Ray Security Inspection》 作者设计了两个网络来做高动态图像增强，分别是DRnet（细节恢复网络）和TMnet（色调映射网络）。 DRnet这部分采用全监督的方式，作者将输入的图片分成基础层跟细节层，对细节层利用全监督进行增强，然后将增强后的细节层于基础层相加，输入到TMnet。TMne
CVPR2022Oral专题系列(一)：低光增强
07-24 4793
这周立了Flag，一定要出一篇关于CVPR2022Oral论文解度博客。刚刚完成一个期刊的大修，马上就打开优快云，就敲起键盘来。可见做什么事儿，都得有一口气顶住，才能不拖沓。闲话少叙，今天我们介绍的文章是大连理工大学的研究者所提出的一项关于低光增强的工作。...
热图像增强之TEN网络(Thermal Image Enhancement using Convolutional Neural Network)
z243624的博客
09-16 2226
热图像增强之TEN网络(Thermal Image Enhancement using Convolutional Neural Network) 摘要 随着商品自主手机的出现，在极端条件下，如夜间、不稳定的照明条件下，识别越来越普遍。这种需要导致了使用多模态传感器的方法，这些传感器可以相互补充。热敏相机的选择提供了丰富的温度信息源，受照明变化或背景杂波影响较小。然而，现有的热像仪的分辨率相对小于RGB摄像机，在识别任务中难以充分利用信息。 为了缓解这种情况，我们的目标是根据现有方法的广泛分析，增强低分辨率
图像增强——MIRNet网络测试（详细图文教程）
qq_40280673的博客
10-12 2344
论文《Learning Enriched Features for Real Image Restoration and Enhancement》提出了一种方法来提升真实世界图像的修复与增强效果。该研究的重点在于解决实际图像修复过程中遇到的挑战，例如图像模糊、噪声、压缩伪影等问题，尤其是在面对复杂退化模式时。
YOLOv8：利用轻量级低照度图像增强网络IAT
走向CTO的路上...
08-15 1187
YOLOv8作为目前最先进的目标检测算法之一，在精度和速度方面取得了显著进步。然而，YOLOv8模型在低光照条件下的目标检测任务中仍存在一些不足，例如容易受到噪声干扰和对比度不足的影响，导致检测精度下降。为了解决这个问题，本文提出了一种利用轻量级低照度图像增强网络IAT（Illumination Adaptive Transformer）改进YOLOv8模型的方法，有效提升了模型在暗光条件下的目标检测精度。
【论文阅读笔记】SCI算法与代码 | 低照度图像增强 | 2022.4.21
静谧、淡雅
12-31 1702
SCI算法与代码 | 低照度图像增强 | 2022.4.21
CVPR2022Oral专题系列(三)：图像增强主干网络MAXIM
08-05 3879
随着Transformer和多层感知机技术的普及，一些过去难以解决的计算机视觉问题，能够被处理，并在实际的应用中加以使用。但是，这里仍然存在一些挑战，包括：对高分辨率图像的兼容性较差；对局部注意力缺乏有效的处理方法。今天，我们来介绍一篇CVPR2022Oral论文，即多轴MLP结构MAXIM，以解决上述问题。...
(CVPR 2024) FourierDiff：零样本扩散模型，突破低光增强与去模糊瓶颈
Angelina_Jolie的博客
03-03 1353
提出了一种基于，能够地同时完成，在的情况下，在真实世界场景下取得了。传统方法改善亮度但无法处理模糊，导致增强后的图像仍然模糊。传统方法在低光照环境下表现不佳，假设图像拍摄于良好照明条件。（如 LEDNet）依赖于训练，，在真实场景下效果欠佳。如何在下，同时进行和，并取得的高质量图像？
CVPR 2022|大连理工提出SCI《Toward Fast, Flexible, and Robust Low-Light Image Enhancement》论文超详细解读（翻译＋精读）
路人贾的博客
01-17 5709
重新定义弱光增强的质量、效率和价值的峰值点，CVPR2022 Oral ：《Toward Fast, Flexible, and Robust Low-Light Image Enhancement》
CVPR图像修复2024
02-27
### 关于2024年CVPR会议中的图像修复研究 对于即将举行的2024年计算机视觉模式识别大会(CVPR)，虽然具体接受的论文列表尚未公布，但可以预期该领域将继续关注深度学习技术在图像修复方面的应用和发展。近年来，在旧照片修复方面已经取得了显著进展，通过深层潜在空间翻译的方法实现了高质量的老化图片恢复[^1]。 通常情况下，CVPR接收的文章会集中在提高模型性能、泛化能力以及处理更复杂的退化情况上。考虑到这一趋势，预计2024年的CVPR可能会有更多关于如何利用先进的神经网络架构来解决实际场景下的挑战性问题的工作被提交并发表。这些工作可能涉及但不限于： - **多模态数据融合**：结合不同类型的数据源（如文本描述、音频信息等），以增强对受损区域的理解和重建效果。 - **自监督/弱监督方法**：减少对标记样本依赖的同时保持良好的修复质量，这有助于扩大训练集规模从而提升模型鲁棒性和适应性。 - **物理先验建模**：引入特定领域的专业知识作为约束条件指导修复过程，比如基于Retinex理论改进低光照条件下图像的质量[^2]。 为了获取最准确的信息，建议密切关注官方发布的最新动态，包括已确认参会的研究人员名单及其预印本文章链接；同时也可以访问arXiv.org这样的开放存取平台提前了解部分作者上传的相关研究成果。 ```python import requests from bs4 import BeautifulSoup def fetch_cvpr_papers(year=2024): url = f"https://openaccess.thecvf.com/CVPR{year}" response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') paper_links = [] for link in soup.find_all('a'): href = link.get('href') if href and '.pdf' in href: paper_links.append(href) return paper_links[:5] papers = fetch_cvpr_papers() for idx, paper in enumerate(papers, start=1): print(f"{idx}. {paper}") ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值