低光图像增强：Learning a Single Convolutional Layer Model for Low Light Image Enhancement

源码见专栏置顶～

论文作者：Yuantong Zhang,Baoxin Teng,Daiqin Yang,Zhenzhong Chen,Haichuan Ma,Gang Li,Wenpeng Ding

作者单位：Wuhan University; Huawei

论文链接：http://arxiv.org/abs/2305.14039v1

内容简介：

1）方向：低光图像增强

2）应用：低光图像增强

3）背景：低光图像增强旨在提高由于光照不足而导致的图像亮度。近年来，为了处理低对比度、低亮度等不利因素，提出了各种轻量级基于学习的低光图像增强方法。

4）方法：本文提出了一种单卷积层模型（SCLM），通过利用有效的结构重参数化技术，将网络架构简化到极致，提供全局低光增强作为粗略增强结果。此外，引入了一个局部自适应模块，学习一组共享参数，以完成局部照明校正，以解决不同图像区域的曝光水平差异问题。

5）结果：实验结果表明，与最先进的低光图像增强方法相比，所提出的方法在客观指标和主观视觉效果方面表现优异。此外，与其他基于学习的方案相比，所提出方法具有更少的参数和更低的推理复杂度。