Avançando a Compreensão de Imagens em Ambientes de Baixa Visibilidade: Um Estudo Coletivo de Referência

Os métodos de aprimoramento existentes são empiricamente esperados para ajudar na tarefa de visão computacional de alto nível: no entanto, observa-se que essa não é sempre a realidade na prática. Focamos na detecção de objetos ou rostos em melhorias de baixa visibilidade causadas por condições climáticas ruins (neblina, chuva) e baixa luminosidade. Para fornecer um exame mais completo e uma comparação justa, apresentamos três conjuntos de referência coletados em condições reais de neblina, chuva e baixa luminosidade, respectivamente, com objetos/rostos anotados. Lançamos o desafio UG2+ na competição Track 2 da IEEE CVPR 2019, com o objetivo de evocar uma discussão e exploração abrangentes sobre se e como técnicas de visão de baixo nível podem beneficiar o reconhecimento visual automático de alto nível em vários cenários. Até onde sabemos, este é o primeiro e atualmente o maior esforço do tipo. Resultados de linha de base por meio da cascata de modelos existentes de aprimoramento e detecção são relatados, indicando a natureza altamente desafiadora dos nossos novos dados, bem como o grande espaço para inovações técnicas futuras. Graças à ampla participação da comunidade de pesquisa, podemos analisar soluções representativas de equipes, esforçando-nos para identificar melhor os pontos fortes e limitações das mentalidades existentes, assim como as direções futuras.