Alapfogalmak
Durch das Lernen einer Abbildung im latenten Raum kann die Bildqualität komprimierter dunkler Bilder deutlich verbessert werden, ohne dass Kompressionsartefakte verstärkt werden.
Kivonat
Die Studie befasst sich mit der Verbesserung komprimierter dunkler Bilder. Bestehende Methoden zur Bildverbesserung zeigen schlechte Leistung bei komprimierten dunklen Bildern, da sie Kompressionsartefakte verstärken.
Um dieses Problem zu lösen, schlägt die Studie einen neuartigen Ansatz vor, der die Bildverbesserung im latenten Raum durchführt. Dafür werden zwei Variational-Autoencoder trainiert, um komprimierte dunkle Bilder und normale Bilder in ihre latenten Räume zu projizieren. Anschließend wird ein Latenzraum-Abbildungsnetzwerk trainiert, um die Merkmale vom komprimierten dunklen Raum in den normalen Raum zu transformieren.
Das Netzwerk teilt die Latenzraum-Abbildung in zwei Zweige auf - einen Aufhellungszweig und einen Deblocking-Zweig - da die Degradationsmodelle von Dunkelheit und Kompression unterschiedlich sind.
Umfassende Experimente zeigen, dass der vorgeschlagene Ansatz den aktuellen Stand der Technik bei der Verbesserung komprimierter dunkler Bilder übertrifft.
Statisztikák
Die mittlere quadratische Abweichung (MSE) zwischen komprimierten und unkomprimierten Daten auf dem dunklen Gesichtstestdatensatz mit 6000 dunklen Bildern beträgt 0,047 im Bildraum und 4,877 im latenten Raum.
Idézetek
Keine relevanten Zitate gefunden.