RL-AWB: Aprendizado por Reforço Profundo para Correção Automática de Balanço de Branco em Cenários Noturnos de Baixa Luminosidade

Novo Framework Utiliza Aprendizado por Reforço Profundo para Correção de Balanço de Branco Noturno

Pesquisadores revelaram o RL-AWB, um framework projetado para melhorar a constância de cor em fotografias noturnas em baixa luminosidade, abordando desafios relacionados ao ruído em baixa luz e condições de iluminação complexas.

O RL-AWB integra métodos estatísticos com aprendizado por reforço profundo (DRL) para aprimorar o balanço de branco. Ele utiliza um algoritmo estatístico para cenas noturnas, incluindo detecção de pixels cinzas e estimativa de iluminação, enfrentando desafios únicos impostos por ambientes noturnos.

Notavelmente, esta é a primeira aplicação de aprendizado por reforço profundo na constância de cor, otimizando parâmetros para imagens individuais a fim de melhorar a qualidade de reprodução de cores em ambientes de baixa luminosidade.

Avaliação entre Sensores e Introdução de Conjunto de Dados

A equipe de pesquisa introduziu o primeiro conjunto de dados noturnos multi-sensores para uma avaliação abrangente entre sensores, servindo como um recurso valioso para estudos futuros em fotografia noturna.

Resultados experimentais indicam que o RL-AWB se destaca em condições de baixa luminosidade e mostra uma generalização superior em vários cenários de iluminação, o que é crítico para aplicações no mundo real.