Core Concepts
Durch die Nutzung von Belichtungsreihen-Fotografie können Bildwiederherstellung (Entrauschen, Entunschärfung) und Bildverbesserung (HDR-Rekonstruktion, Super-Auflösung) in einem einheitlichen Rahmen vereinigt werden.
Abstract
Der Artikel beschreibt einen Ansatz, um Bildwiederherstellung und Bildverbesserung in einem einheitlichen Rahmen zu vereinigen, indem Belichtungsreihen-Fotografie genutzt wird.
Herkömmliche Methoden konzentrieren sich meist auf spezifische Probleme wie Entrauschen, Entunschärfung, HDR-Rekonstruktion oder Super-Auflösung. Der vorgeschlagene Ansatz nutzt die Komplementarität von Mehrfachbelichtungsbildern, um diese Aufgaben gemeinsam zu lösen.
Dafür wird zunächst ein temporär moduliertes rekurrentes Netzwerk (TMRNet) trainiert, das auf synthetischen Bildpaaren vortrainiert und dann selbstüberwacht an reale, ungelabelte Bilder angepasst wird. Außerdem wird eine Pipeline zur Datensimulation entwickelt und ein Datensatz mit 200 Nachtszenarien aufgenommen.
Die Experimente zeigen, dass der Ansatz bessere Ergebnisse als der Stand der Technik erzielt, sowohl auf dem synthetischen als auch auf dem realen Datensatz.
Stats
Die Belichtungszeit-Verhältnisse zwischen den Mehrfachbelichtungsbildern beträgt 4:1.
Der Datensatz umfasst 1.335 synthetische Bildpaare aus 35 Szenen und 200 reale Nachtszenarien.
Quotes
"Durch die Komplementarität von Mehrfachbelichtungsbildern bietet sich die Möglichkeit, Bildwiederherstellung und Bildverbesserung in einem einheitlichen Rahmen zu integrieren."
"Der vorgeschlagene Ansatz nutzt die temporalen Charakteristiken der Mehrfachbelichtungsbildverarbeitung, um selbstüberwachte Lernziele zu entwerfen, um das TMRNet an reale Bilder anzupassen."