Resumen

Investigamos cómo corregir la exposición de imágenes subexpuestas. El cuello de botella de los métodos anteriores radica principalmente en su naturalidad y robustez al tratar con imágenes con varios niveles de exposición. Cuando se enfrentan a imágenes bien expuestas o extremadamente subexpuestas, pueden producir resultados sobreexpuestos o subexpuestos. En este artículo proponemos un nuevo enfoque basado en retinex, el LiAR (abreviatura de lightness-aware restorer). La palabra "lightness-aware" se refiere a que la iluminación estimada no sólo es un componente a ajustar, sino que también sirve como medida que refleja el brillo de la escena, determinando el grado de ajuste. De este modo, las imágenes subexpuestas pueden restaurarse de forma adaptativa en función de su propia luminosidad. Dada una imagen, LiAR estima primero su mapa de iluminación utilizando una función de pérdida especialmente diseñada que puede garantizar la consistencia del color y la riqueza de texturas del resultado. A continuación, se realiza una corrección adaptativa para obtener un resultado correctamente expuesto. LiAR se basa en la optimización interna de la imagen de prueba única y no necesita ningún entrenamiento previo, lo que implica que puede adaptarse a diferentes configuraciones por imagen. Además, LiAR puede extenderse fácilmente al caso del vídeo gracias a su sencillez y estabilidad. Los experimentos demuestran que frente a imágenes/vídeos con varios niveles de exposición, LiAR puede lograr una corrección robusta y en tiempo real con alto contraste y naturalidad. El código correspondiente y los datos recopilados están a disposición del público en https://cslinzhang.github.io/LiAR-Homepage/.

• Materias:Matemáticas
• Subjects:mathematics
• Palabras claves:mentiroso, varios niveles de exposición, imágenes subexpuestas, una sola imagen de prueba, imagen, imágenes, luminosidad, naturalidad, corrección adaptativa, restaurador consciente
• Keywords:liar, various exposure levels, underexposed images, single test image, image, images, lightness, naturalness, adaptive correction, aware restorer