RL-AWB：低照度夜間シーンにおける自動ホワイトバランス補正のための深層強化学習

要旨

夜間の色恒常性は、低照度ノイズと複雑な照明条件により、計算写真学において依然として困難な課題である。本論文では、統計的手法と深層強化学習を組み合わせた新しい夜間ホワイトバランスフレームワーク「RL-AWB」を提案する。本手法はまず、夜間シーンに特化した統計的アルゴリズムを用い、顕著な灰色画素検出と新規照明推定を統合する。この基盤に立脚し、統計的アルゴリズムを中核として活用する初の色恒常性向け深層強化学習アプローチを開発し、専門家のAWB調整のように画像ごとにパラメータを動的に最適化する。クロスセンサー評価を可能にするため、初のマルチセンサー夜間データセットを構築した。実験結果から、本手法が低照度画像と適正照度画像の両方で優れた汎化性能を達成することを示す。プロジェクトページ: https://ntuneillee.github.io/research/rl-awb/

English

Nighttime color constancy remains a challenging problem in computational photography due to low-light noise and complex illumination conditions. We present RL-AWB, a novel framework combining statistical methods with deep reinforcement learning for nighttime white balance. Our method begins with a statistical algorithm tailored for nighttime scenes, integrating salient gray pixel detection with novel illumination estimation. Building on this foundation, we develop the first deep reinforcement learning approach for color constancy that leverages the statistical algorithm as its core, mimicking professional AWB tuning experts by dynamically optimizing parameters for each image. To facilitate cross-sensor evaluation, we introduce the first multi-sensor nighttime dataset. Experiment results demonstrate that our method achieves superior generalization capability across low-light and well-illuminated images. Project page: https://ntuneillee.github.io/research/rl-awb/

RL-AWB：低照度夜間シーンにおける自動ホワイトバランス補正のための深層強化学習

RL-AWB: Deep Reinforcement Learning for Auto White Balance Correction in Low-Light Night-time Scenes

要旨

Support