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

要約

このペーパーでは、低照度の画像とビデオの強化に関する包括的な調査を紹介し、この分野における 2 つの主要な課題に対処します。
最初の課題は、露出過剰/露出不足の画像が混在していることですが、既存の方法では適切に対処できません。
これに応えて、この研究では、これらの複雑さをより適切に表現するために設計された、SICE データセットの 2 つの拡張バリアント、SICE_Grad と SICE_Mix を導入しました。
2 番目の課題は、トレーニングとテストに適した低照度ビデオ データセットが不足していることです。
これに対処するために、この論文では、温州の夜のデータセットを紹介しています。これは、さまざまな照明と劣化を伴う、動きの速い空中シーンや街並みを特徴とする大規模な高解像度ビデオ コレクションです。
この研究では、主要な技術の広範な分析も実施し、提案されたベンチマーク 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比較実験を実行します。
この調査は、新たなアプリケーションに焦点を当て、未解決の課題について議論し、LLIE コミュニティ内での将来の研究の方向性を示唆することで締めくくられています。
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, addressing two primary challenges in the field. The first challenge is the prevalence of mixed over-/under-exposed images, which are not adequately addressed by existing methods. In response, this work introduces two enhanced variants of the SICE dataset: SICE_Grad and SICE_Mix, designed to better represent these complexities. The second challenge is the scarcity of suitable low-light video datasets for training and testing. To address this, the paper introduces the Night Wenzhou dataset, a large-scale, high-resolution video collection that features challenging fast-moving aerial scenes and streetscapes with varied illuminations and degradation. This study also conducts an extensive analysis of key techniques and performs comparative experiments using the proposed and current benchmark datasets. The survey concludes by highlighting emerging applications, discussing unresolved challenges, and suggesting future research directions within the LLIE community. The 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