Low-Light Image and Video Enhancement: A Comprehensive Survey and Beyond

要約

この論文では、低照度の画像とビデオの強化に関する包括的な調査を提示します。
既存の方法では不十分な露出過剰/露出不足の挑戦的な混合画像から始めます。
この目的のために、SICE_Grad と SICE_Mix という名前の SICE データセットの 2 つのバリアントを提案します。
次に、大規模で高解像度のビデオ データセットである Night Wenzhou を紹介し、低照度画像補正 (LLIE) をビデオに使用することを軽視する低照度ビデオ データセットがないという問題に対処します。
私たちの夜の温州データセットは、さまざまな照明や劣化を伴う動きの速い航空シーンと街並みで構成されているため、困難です。
これらの新しく提案されたデータセットと現在のベンチマーク データセットを使用して、代表的な LLIE アプローチの広範な主要な技術分析と実験的比較を行います。
最後に、未解決の問題に対処し、LLIE コミュニティの将来の研究トピックを提案します。
私たちのデータセットは https://github.com/ShenZheng2000/LLIE_Survey で入手できます。

要約(オリジナル)

This paper presents a comprehensive survey of low-light image and video enhancement. We begin with the challenging mixed over-/under-exposed images, which are under-performed by existing methods. To this end, we propose two variants of the SICE dataset named SICE_Grad and SICE_Mix. Next, we introduce Night Wenzhou, a large-scale, high-resolution video dataset, to address the issue of the lack of a low-light video dataset that discount the use of low-light image enhancement (LLIE) to videos. Our Night Wenzhou dataset is challenging since it consists of fast-moving aerial scenes and streetscapes with varying illuminations and degradation. We conduct extensive key technique analysis and experimental comparisons for representative LLIE approaches using these newly proposed datasets and the current benchmark datasets. Finally, we address unresolved issues and propose future research topics for the LLIE community. Our datasets are available at https://github.com/ShenZheng2000/LLIE_Survey.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google