跳到正文
热点事件持续更新

CALE方法提出结合可学习强度坐标的低光照增强

2 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

针对暗区微小亮度差异难以恢复的问题,研究人员提出了 Color-Adaptive Low-Light Enhancement (CALE) 方法。该方法结合了图像条件强度表示 Box--Cox Intensity Adaptation 与结构校正流网络,旨在通过可学习强度坐标实现自适应低光照增强。 arXiv 上的报道指出,这一创新试图解决传统方法在处理极低光照场景时的局限性,为计算机视觉领域的暗区成像提供了新的技术路径。

AI 根据报道生成 · 12 小时前更新

事件进展

2 个进展

  1. 11月18日 13:00 · 1 篇报道
    Fast Training-Free Low-Light Video Enhancement with a Frozen
    arXiv · 机器人与计算机视觉:Fast Training-Free Low-Light Video Enhancement with a Frozen Image Diffusion Prior
  2. 11月17日 13:00 · 1 篇报道
    提出CALE低光照增强方法结合可学习强度坐标与结构条件化整流流
    arXiv · 机器人与计算机视觉:CALE:通过可学习强度坐标实现自适应低光照增强

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    Fast Training-Free Low-Light Video Enhancement with a Frozen Image Diffusion Prior

    论文提出 Fast Training-Free Low-Light Video Enhancement with a Frozen Image Diffusion Prior,在无需低光照训练数据和重新训练新相机的情况下增强低光照视频。

11月17日
  1. arXiv · 机器人与计算机视觉
    CALE:通过可学习强度坐标实现自适应低光照增强

    针对暗区微小亮度差异难以恢复的问题,该方法提出 Color-Adaptive Low-Light Enhancement (CALE),结合图像条件强度表示 Box--Cox Intensity Adaptation 与结构校正流网络。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月18日 13:00
近 24 小时变化
0%

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。