本文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在视觉质量、计算效率、下游视觉任务应用方面均取得了突破(见图1)。该研究已被CVPR 2022收录为Oral。 图1 本文提出...
本文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在视觉质量、计算效率、下游视觉任务应用方面均取得了突破(见图1)。该研究已被CVPR 2022收录为Oral。 图1 本文提出...
为了进一步探究SCI的优势,本文比较了在低光照人脸检测与夜间语义分割两个下游任务的性能。在低光照人脸检测任务中,定义了两种与SCI相关的版本,一种是将SCI作为预处理来实现数据的亮度增强(其他对比方法采用相同方式)并在该数据基础上微调检测网络,另一种是SCI与检测网络联合微调(记为SCI+)。图5中展示了检测结果,可以...
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在视觉质量、计算效率、下游视觉任务应用方面均取得了突破(见图1)。该研究已被CVPR 2022收录为Oral。 ...
在低光照人脸检测任务中,定义了两种与SCI相关的版本,一种是将SCI作为预处理来实现数据的亮度增强(其他对比方法采用相同方式)并在该数据基础上微调检测网络,另一种是SCI与检测网络联合微调(记为SCI+)。图5中展示了检测结果,可以看出,本文提出的方法具有明显优势,能够检测出更多的小目标。
【29】CVPR22 Oral | 视频文本预训练新SOTA!港大、腾讯ARC Lab推出基于多项选择题的借口任务 【28】CVPR 2022 Oral | SCI:实现快速、灵活与稳健的低光照图像增强 【27】CVPR 2022丨清华大学提出:无监督域泛化 (UDG) ...
CVPR2022 (ORAL) Semantic-Aware Domain Generalized Segmentation CVPR2022放榜有一段时间了,今天为大家分享一篇关于邻域泛化的文章 一 文章出发点 宏观:为了解决语义分割模型的领域泛化问题。此处泛化是指不需要任何目标域数据。 微观:现有的方法不能够得到较好的类边界,也就是说,类与类之间的决策边界不明显。 二 文...
来源:CVPR 2022 (Oral Presentation) 解读&翻译:竹石 文章&代码&视频讲座:https://occlusions.cs.columbia.edu/ 遮挡是计算机视觉的基础,预测遮挡背后的内容是视频分析中许多应用的基础。近年来,研究人员将现代深度学习特征与各种方法相结合来跟踪遮挡。其中包括经典卡尔曼滤...
Toward Fast, Flexible, and Robust Low-Light Image Enhancement, CVPR 2022 (Oral) vis-opt-group/SCIPublic forked fromtengyu1998/SCI NotificationsYou must be signed in to change notification settings Fork57 Star492 main 1Branch0Tags Code README...
我们的两个工作 MST 与 MST++ 就分别针对 SCI-to-HSI 与 RGB-to-HSI 设计了历史上第一个用于高光谱图像重建的 Transformer。 2. 高光谱图像复原算法 2.1 MST 用于 SCI-to-HSI 的高光谱图像复原 针对从 2D measurement 到 3D HSI cube 的光谱图像复原,我们提出了 Mask-guided Spectral-wise Transformer (MST...