新的PASDiff方法通过物理感知扩散增强低光面部图像

研究人员开发了PASDiff，一种用于增强和恢复低光面部图像的新方法。该方法利用物理感知语义扩散过程，并结合源自Retinex理论的光度约束，以确保合理的光照和颜色分布。此外，一种风格不可知结构注入组件从现有先验中提取面部结构，同时过滤掉光度偏差，确保身份特征与物理约束对齐。该团队还引入了WildDark-Face，一个包含700张具有复杂退化情况的低光面部图像的新基准数据集，并证明PASDiff在自然光照、颜色恢复和身份一致性方面优于现有方法。 AI

影响 这种新方法可以提高在具有挑战性的低光条件下拍摄的图像质量，从而惠及面部识别和监控等应用。

排序理由 这是一篇详细介绍图像增强新方法和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• Guangwei Gao
• Hugging Face
• PASDiff
• Retinex theory
• ScienceCast
• Style-Agnostic Structural Injection
• WildDark-Face

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →