論文の概要: Recurrent Exposure Generation for Low-Light Face Detection

• arxiv url: http://arxiv.org/abs/2007.10963v1
• Date: Tue, 21 Jul 2020 17:30:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 05:05:14.119336
• Title: Recurrent Exposure Generation for Low-Light Face Detection
• Title（参考訳）: 低照度顔検出のためのリカレント露光発生
• Authors: Jinxiu Liang, Jingwen Wang, Yuhui Quan, Tianyi Chen, Jiaying Liu, Haibin Ling and Yong Xu
• Abstract要約: 本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。 このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
• 参考スコア（独自算出の注目度）: 113.25331155337759
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face detection from low-light images is challenging due to limited photos and inevitable noise, which, to make the task even harder, are often spatially unevenly distributed. A natural solution is to borrow the idea from multi-exposure, which captures multiple shots to obtain well-exposed images under challenging conditions. High-quality implementation/approximation of multi-exposure from a single image is however nontrivial. Fortunately, as shown in this paper, neither is such high-quality necessary since our task is face detection rather than image enhancement. Specifically, we propose a novel Recurrent Exposure Generation (REG) module and couple it seamlessly with a Multi-Exposure Detection (MED) module, and thus significantly improve face detection performance by effectively inhibiting non-uniform illumination and noise issues. REG produces progressively and efficiently intermediate images corresponding to various exposure settings, and such pseudo-exposures are then fused by MED to detect faces across different lighting conditions. The proposed method, named REGDet, is the first `detection-with-enhancement' framework for low-light face detection. It not only encourages rich interaction and feature fusion across different illumination levels, but also enables effective end-to-end learning of the REG component to be better tailored for face detection. Moreover, as clearly shown in our experiments, REG can be flexibly coupled with different face detectors without extra low/normal-light image pairs for training. We tested REGDet on the DARK FACE low-light face benchmark with thorough ablation study, where REGDet outperforms previous state-of-the-arts by a significant margin, with only negligible extra parameters.
• Abstract（参考訳）: 低照度画像からの顔検出は、限られた写真と避けられないノイズのために困難であり、タスクをさらに困難にするためには、空間的に不均一に分散されることが多い。 自然な解決策はマルチ露光(multi-exposure)からアイデアを借りることである。 しかし、単一の画像からの多重露光の高品質な実装/近似は非自明である。 幸いなことに,本稿で示すように,画像強調よりも顔検出が課題であるため,品質も必要ではない。 具体的には、新しいRecurrent Exposure Generation (REG)モジュールを提案し、それをMEDモジュールとシームレスに結合し、非均一照明やノイズ問題を効果的に抑制することにより顔検出性能を大幅に向上させる。 REGは様々な露光設定に対応する段階的かつ効率的な中間画像を生成し、これらの擬似露光をMEDによって融合して異なる照明条件の顔を検出する。 提案手法はREGDetと呼ばれ,低照度顔検出のための最初の「検出と強調」フレームワークである。 多様な照明レベルにまたがるリッチな相互作用や特徴融合を奨励するだけでなく、REGコンポーネントの効果的なエンドツーエンド学習を顔検出に適したものにすることも可能だ。 さらに,本実験で明らかにしたように,REGはトレーニング用の低照度画像対を伴わずに,異なる顔検出器と柔軟に結合することができる。 DARK FACEローライトフェースベンチマークでREGDetを徹底的なアブレーション試験でテストし、REGDetは従来の最先端技術よりも有意差があり、余分なパラメータが無視できるのみであった。

関連論文リスト

• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。 また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• ITRE: Low-light Image Enhancement Based on Illumination Transmission Ratio Estimation [10.26197196078661]
  ノイズ、アーティファクト、過剰露光は、低照度画像強調の分野において重要な課題である。 モデルの起源からノイズやアーティファクトを抑圧するRetinexベースの新しい手法ITREを提案する。 広汎な実験により, 騒音抑制, アーティファクト防止, 露光量の同時制御におけるアプローチの有効性が示された。
  論文  参考訳（メタデータ） (2023-10-08T13:22:20Z)
• ExReg: Wide-range Photo Exposure Correction via a Multi-dimensional Regressor with Attention [6.142272540492936]
  光露光補正は広く研究されているが、露光画像と露光画像の同時修正に焦点を当てた研究は少ない。 多次元回帰プロセスとして露光補正を定式化して課題に対処する新しい露光補正ネットワークであるExRegを提案する。 実験により、ExRegはよく露呈した結果を生成し、PSNRの1.3dBでSOTA法を上回り、広範囲な露光問題に対処できることが示された。
  論文  参考訳（メタデータ） (2022-12-14T15:45:10Z)
• Illumination-Invariant Active Camera Relocalization for Fine-Grained Change Detection in the Wild [12.104718944788141]
  本稿では,照度不変の能動カメラ再位置推定法について検討し,相対的なポーズ推定とスケール推定の両方を改善する。 画像ワープ誤差を最小限に抑え,各ACRの絶対スケールを求める線形システムを構築した。 我々の研究は、実世界の文化的遺産のきめ細かい変化監視タスクの実現可能性を大幅に拡大します。
  論文  参考訳（メタデータ） (2022-04-13T18:00:55Z)
• LTT-GAN: Looking Through Turbulence by Inverting GANs [86.25869403782957]
  本稿では,よく訓練されたGANによってカプセル化された視覚的事前情報を利用した最初の乱流緩和手法を提案する。 視覚的先行性に基づき、周期的な文脈距離で復元された画像の同一性を維持することを学ぶことを提案する。 本手法は, 回復した結果の視覚的品質と顔認証精度の両方において, 先行技術よりも優れていた。
  論文  参考訳（メタデータ） (2021-12-04T16:42:13Z)
• A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
  本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。 MILAB-VTF(B)も提案する。
  論文  参考訳（メタデータ） (2021-08-21T17:59:56Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)
• Learning an Adaptive Model for Extreme Low-light Raw Image Processing [5.706764509663774]
  画質向上のための適応型低照度生画像強調ネットワークを提案する。 提案手法は、最先端の低照度アルゴリズムと比較してノイズレベル推定(NLE)のスコアが低い。 ビデオ処理における潜在的な応用について概説する。
  論文  参考訳（メタデータ） (2020-04-22T09:01:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。