CVPR 2018:在黑暗中学习看见

CVPR 2018: Learning to See in the Dark

频道:Chen Chen · 时长:3:31 · 发布:2018-04-24 · 播放:190465

在 YouTube 观看

简介

CVPR 2018 论文《在黑暗中学习看见》的配套短片。展示了神经网络从极低光照的原始传感器数据中生成清晰图像,并与去噪方法进行了对比。

HN 为什么推荐

HN 评论者将其标记为一项非凡的机器学习成果,尤其是它表明在原始图像上训练优于 JPEG。

非凡的机器学习成果,"在极低光照下产生惊人清晰的照片" — HN, 2018

机器学习与深度学习 · 计算机视觉、语音与 NLP

HN 上的讨论

在“在极低光下拍出惊人清晰照片”方面取得了非凡的机器学习成果(Cory Doctorow - [LINK])。演示示例(众多示例之一——将中间的滑块从左拖到右):[LINK] GitHub:[LINK] 论文:[LINK] 视频:[VIDEO] — isp, 2018-05
在我看来,结果似乎远优于那些简单的DSP算法。视频中展示了与一些去噪方法的对比:[VIDEO] — pera, 2020-04
公开的原始图像数据集很稀少,可能是因为除了单反相机之外,大多数相机都不支持存储原始图像。此外,推理的性质可能并不需要高保真的原始图像,因为它们无论如何都会被降采样。除非研究表明原始图像能改善推理指标,否则没人会投入精力去构建原始图像数据集。最近一个值得注意的例外是关于低光图像增强的“学会在黑暗中看见”论文[1]——他们发现,在原始图像上训练比在JPEG上训练能带来好得多的增强效果。数据可用性问题可能很快就会开始得到解决,因为手机(至少是Android)支持存储和处理原始图像,而且手机上的设备端学习和推理能力一直在不断提升。[1]:[VIDEO] — lovelearning, 2018-08

相关视频