RHRSegNet: Relighting High-Resolution Night-Time Semantic Segmentation

要約

夜間のセマンティック セグメンテーションは、コンピューター ビジョンにおける重要なタスクであり、暗い環境でオブジェクトを正確に分類してセグメント化することに重点を置いています。
夜間のシーンではパフォーマンスが低下することが多い日中の技術とは異なり、不十分な照明、低照度、ダイナミックな照明、影の効果、コントラストの低下のため、自動運転には不可欠です。
私たちは、セマンティック セグメンテーションのために高解像度ネットワーク上にリライティング モデルを実装する RHRSegNet を提案します。
RHRSegNet は、複雑な照明条件を処理するために残差畳み込み特徴学習を実装します。
次に、私たちのモデルは、シーンのセグメンテーションのために、軽量化されたシーンの特徴マップを高解像度のネットワークにフィードします。
このネットワークは、さまざまな解像度を持つ畳み込み生成特徴マップで構成され、ダウンサンプリングとアップサンプリングを通じてさまざまなレベルの解像度を実現します。
NightCity、City-Scape、Dark-Zurich データセットなどの大規模な夜間データセットがトレーニングと評価に使用されます。
私たちが提案したモデルは、低照度または夜間の画像で HRnet セグメンテーションのパフォーマンスを 5% 向上させます。

要約(オリジナル)

Night time semantic segmentation is a crucial task in computer vision, focusing on accurately classifying and segmenting objects in low-light conditions. Unlike daytime techniques, which often perform worse in nighttime scenes, it is essential for autonomous driving due to insufficient lighting, low illumination, dynamic lighting, shadow effects, and reduced contrast. We propose RHRSegNet, implementing a relighting model over a High-Resolution Network for semantic segmentation. RHRSegNet implements residual convolutional feature learning to handle complex lighting conditions. Our model then feeds the lightened scene feature maps into a high-resolution network for scene segmentation. The network consists of a convolutional producing feature maps with varying resolutions, achieving different levels of resolution through down-sampling and up-sampling. Large nighttime datasets are used for training and evaluation, such as NightCity, City-Scape, and Dark-Zurich datasets. Our proposed model increases the HRnet segmentation performance by 5% in low-light or nighttime images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google