Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Zero-TIG : amélioration vidéo en basse lumière guidée par l'éclairage Zero-Shot, tenant compte de la cohérence temporelle

Created by
  • Haebom

Auteur

Yini Li, Nantheera Anantrasirichai

Contour

Dans cet article, nous proposons une nouvelle technique d'apprentissage sans tir, Zero-TIG, pour améliorer la qualité visuelle des images en basse lumière et sous-marines. Zero-TIG utilise la théorie Retinex et la technique du flux optique, et se compose d'un module d'amélioration et d'un module de rétroaction temporelle. Le module d'amélioration se compose de trois sous-réseaux : suppression du bruit des images en basse lumière, estimation de l'éclairage et suppression du bruit de réflexion. Le module de rétroaction temporelle maintient la cohérence temporelle en alignant l'image précédente et l'image actuelle grâce à l'égalisation de l'histogramme, au calcul du flux optique et à la déformation de l'image. De plus, la distorsion des couleurs des données sous-marines est résolue par un ajustement adaptatif de la balance des canaux RVB. Contrairement aux méthodes existantes, cette technique permet d'améliorer les images en basse lumière sans données correctes appariées, ce qui présente une grande applicabilité en environnement réel.

Takeaways, Limitations

Takeaways:
Nous présentons une technique d'apprentissage zéro-shot capable d'améliorer les images en basse lumière et sous-marines sans données correctes appariées.
Une méthode efficace pour maintenir la cohérence temporelle est présentée en utilisant la théorie Retinex et les techniques de flux optique.
Présentation d'une stratégie efficace pour résoudre le problème de distorsion des couleurs des images sous-marines.
Il présente une grande applicabilité à l’amélioration d’images en basse lumière dans des environnements réels.
Limitations:
Des expériences et des analyses supplémentaires sont nécessaires pour déterminer les performances de généralisation de la méthode proposée.
Une évaluation de la robustesse pour divers environnements à faible luminosité et sous-marins est nécessaire.
Dégradation potentielle des performances pour certains types d’imagerie en basse lumière et sous-marine.
Il est nécessaire d’évaluer la complexité de calcul et la capacité de traitement en temps réel de l’algorithme.
👍