低光人体姿态估计驱动的特征频率解耦与增强方法

摘要

低光图像存在的低可见度和高ISO噪声问题给人体姿态估计带来了重大挑战.为应对这一挑战，本文提出了一种基于频率解耦和特征增强的低光人体姿态估计方法.该方法不依赖成对良好光照图像的引导或重构损失函数约束，而是通过任务驱动的方式自主学习和优化人体姿态特征表示.具体而言，本文采用频率解耦的思想，将低光图像特征分解为高频与低频分量，并设计了低秩降噪单元和自适应光照感知单元，分别用于增强高频纹理细节和调整低频亮度分布.通过双分支门控特征融合机制，有效整合高低频信息，为人体姿态估计任务提供更为丰富且一致的特征表示.大量实验表明，本文提出的方法在低光人体姿态估计领域优于现有最先进的方法.

关键词

低光图像 / 人体姿态估计 / 频率解耦 / 特征增强

基金资助

国家自然科学基金青年基金项目（62202241）资助; 江苏省自然科学基金青年基金项目（BK20210586）资助; 南京邮电大学青年启动基金项目（NY221018）资助