VALSE 论文速览 第56期:Intrinsic Image Harmonization

2022 年 3 月 11 日 VALSE

为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展,VALSE最新推出了《论文速览》栏目,将在每周发布一至两篇顶会顶刊论文的录制视频,对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自中国海洋大学的图像和谐化方面的工作。该工作由郑海永教授指导,论文第一作者郭宗辉同学录制。


论文题目:Intrinsic Image Harmonization

作者列表:郭宗辉 (中国海洋大学),郑海永 (中国海洋大学),姜玉凤 (中国海洋大学),顾肇瑞 (中国海洋大学),郑冰 (中国海洋大学)

B站观看网址:

https://www.bilibili.com/video/BV1NT4y1U7Uo/


复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。


论文摘要:

由于两幅图像在物体表面和照明条件上存在不同程度差异,使得合成图像的前景与背景之间不一致,以致于合成图像通常会不可避免地呈现不和谐现象。理论上,图像的物体表面和照明条件分别对应于依赖物体材料和依赖场景光照的特性,分别称为反射率本征图像和光照本征图像。因此,在本项工作中,我们尝试通过反射率和光照本征图像分离和谐化的思路来解决图像和谐化问题,即本征图像和谐化。方法上,我们的方法基于自编码器将合成图像分解为反射率本征图像和光照本征图像,以实现进一步的分离和谐化。具体而言,我们通过材料一致性约束反射率本征图像和谐化,同时通过学习前景光和背景光并将其从背景迁移到前景的方式实现光照本征图像的和谐化。此外,我们设计了一种去和谐化的隐式学习方式挖掘合成图像前景与背景之间的图像块关系,以自适应地指导本征图像的和谐化。通过大量的对比实验和消融实验研究,均证明了我们方法的优越性和各个组件的有效性。我们还构建了一个具有挑战性的数据集,作为光照图像和谐化的基准。


论文信息:

[1] Zonghui Guo, Haiyong Zheng, Yufeng Jiang, Zhaorui Gu, Bing Zheng. Intrinsic Image Harmonization. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2021: 16367-16376.


论文链接:

[https://openaccess.thecvf.com/content/CVPR2021/papers/Guo_Intrinsic_Image_Harmonization_CVPR_2021_paper.pdf]


代码链接:

[https://github.com/zhenglab/IntrinsicHarmony]


视频讲者简介:

郭宗辉,中科院计算所博士后,研究方向为计算机视觉和图像处理,主要研究图像和谐化、图像增强等与光照相关的低层视觉任务,该工作于中国海洋大学完成。



特别鸣谢本次论文速览主要组织者:

月度轮值AC:丁长兴 (华南理工大学)、彭春蕾 (西安电子科技大学)

季度责任AC:杨猛 (中山大学)


活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行,欢迎在B站搜索VALSE_Webinar关注我们!

直播地址:

https://live.bilibili.com/22300737;

历史视频观看地址:

https://space.bilibili.com/562085182/ 


2、VALSE Webinar活动通常每周三晚上20:00进行,但偶尔会因为讲者时区问题略有调整,为方便您参加活动,请关注VALSE微信公众号:valse_wechat 或加入VALSE QQ R群,群号:137634472);


*注:申请加入VALSE QQ群时需验证姓名、单位和身份缺一不可。入群后,请实名,姓名身份单位。身份:学校及科研单位人员T;企业研发I;博士D;硕士M。


3、VALSE微信公众号一般会在每周四发布下一周Webinar报告的通知。


4您也可以通过访问VALSE主页:http://valser.org/ 直接查看Webinar活动信息。Webinar报告的PPT(经讲者允许后),会在VALSE官网每期报告通知的最下方更新。


看到这了,确定不关注下吗?关注下再走吧~

登录查看更多
1

相关内容

VALSE 发起于 2011年,是 Vision And Learning Seminar 的简写,取“华尔兹舞”之意。目的是为全球计算机视觉、模式识别、机器学习、多媒体技术等相关领域的华人青年学者提供一个平等、自由的学术交流舞台。官网:http://valser.org/
中科院自动化所17篇CVPR 2022 新作速览!
专知会员服务
19+阅读 · 2022年3月19日
【CVPR2022】弱监督目标定位建模为领域适应
专知会员服务
14+阅读 · 2022年3月4日
专知会员服务
25+阅读 · 2021年3月7日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Sensitivity of sparse codes to image distortions
Arxiv
0+阅读 · 2022年4月15日
Arxiv
1+阅读 · 2022年4月15日
Arxiv
12+阅读 · 2021年11月1日
Arxiv
17+阅读 · 2021年1月21日
Arxiv
11+阅读 · 2018年5月13日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员