RL-AWB: Глубокое обучение с подкреплением для автоматической коррекции баланса белого в условиях низкой освещенности ночных сцен
Изображение создано Gemini AI
Фреймворк RL-AWB решает проблему цветовой постоянства в ночной съемке в области вычислительной фотографии, сочетая статистические методы с глубоким обучением с подкреплением. Он использует специально разработанный статистический алгоритм для обнаружения серых пикселей и оценки освещения, динамически оптимизируя параметры, имитируя настройку, подобную профессиональной. Новый многосенсорный набор данных для ночной съемки поддерживает кросс-сенсорную оценку, демонстрируя улучшенные результаты в различных условиях освещения. Дополнительную информацию можно найти на странице проекта.
Новая структура использует глубокое обучение с подкреплением для коррекции баланса белого в ночное время
Исследователи представили RL-AWB, структуру, предназначенную для улучшения цветовой постоянства в условиях низкой освещенности при ночной фотографии, решающую проблемы, связанные с шумом при низком освещении и сложными условиями освещения.
RL-AWB интегрирует статистические методы с глубоким обучением с подкреплением (DRL) для улучшения баланса белого. Она использует статистический алгоритм для ночных сцен, включая обнаружение серых пикселей и оценку освещения, что позволяет справляться с уникальными вызовами, которые ставят ночные условия.
Примечательно, что это первое применение глубокого обучения с подкреплением для достижения цветовой постоянства, оптимизируя параметры для отдельных изображений с целью повышения качества цветопередачи в условиях низкой освещенности.
Оценка между сенсорами и введение в набор данных
Исследовательская группа представила первый мультисенсорный набор данных для ночной съемки, который служит ценным ресурсом для будущих исследований в области ночной фотографии.
Экспериментальные результаты показывают, что RL-AWB превосходит аналогичные решения в условиях низкой освещенности и демонстрирует высокую обобщающую способность в различных сценариях освещения, что критически важно для практического применения.
Связанные темы:
📰 Первоисточник: https://arxiv.org/abs/2601.05249v1
Все права и авторство принадлежат первоначальному издателю.