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。