教師データを必要としない！！初の教師なしGANを使った低照明画像の光量変換！！
3つの要点
✔️ 低照度画像から通常光画像への変換に教師なし学習を導入した最初の研究
✔️ EnlightenGANはさまざまなドメインから現実世界の低照度画像を明るくできる
✔️ attentionメソッドは汎用的に視覚品質を向上させる
EnlightenGAN: Deep Light Enhancement without Paired Supervision
written by Yifan Jiang, Xinyu Gong,Ding Liu, Yu Cheng, Chen Fang, Xiaohui Shen, Jianchao Yang, Pan Zhou, Zhangyang Wang
(Submitted on 17 Jun 2019)
Comments: Published by arXiv
Subjects: Computer Vision and Pattern Recognition (cs.CV); Image and Video Processing (eess.IV)
背景
暗い場所で撮影された画像は，コントラストが低く，視認性が低く，ISOノイズが高くなります。劣化を緩和するために，ヒストグラムや認知ベースのアルゴリズムなど，多数のアルゴリズムが提案されています．深層学習を使用した最先端の画像復元および拡張アプローチは，超解像など，合成またはキャプチャされた破損したクリーンな画像ペアに大きく依存してトレーニングします．しかしながら，同じ視覚シーンの低照度と通常光の写真を同時に撮ることは非常に困難です．
研究のポイント
EnlightenGANと呼ばれる低照度画像の画質を改善するための初の教師なし生成的敵対的ネットワークを提案します．この手法は，低/通常光の画像ペアなしでトレーニングできますが，さまざまなテスト画像で非常によく一般化することが証明されています．教師なし学習の画像から画像への変換では，生成的敵対的ネットワーク（GAN）を採用して，正確にペアになっている画像に依存することなく，低光と通常の光の画像空間のペアなしのマッピングを構築します．これにより，制御された設定でキャプチャされた合成データまたは限られたペアデータのみを使用したトレーニングから解放されます．教師なし学習設定のおかげで，EnlightenGANはさまざまなドメインから現実世界の低照度画像を明るくするために適応できます(図1)．
図1．現実世界の低照度画像を教師なし学習で通常画像に変換した図(赤い線に注目！！)
続きを読むには
(4204文字画像11枚)AI-SCHOLARに
登録いただく必要があります。
この記事に関するカテゴリー
