标题:
EMBEDDING FOURIER FOR ULTRA-HIGH-DEFINITION LOW-LIGHT IMAGE ENHANCEMENT
开源代码:Embedding Fourier for Ultra-High-Definition Low-Light Image Enhancement
1. 文章简介
提出了一种增强低照度的超高清图片的方案 UHDFour,将傅里叶变换嵌入仅级联网络中。这种思想起源于傅里叶域的两种特征:1)大部分的亮度信息会集中在振幅上,而噪声则和相位更相关。2)高清图像与低清图像具有相似的振幅模式。
因此。引入傅里叶变换,就可以把振幅和相位分开处理,避免增强亮度的时候放大噪声。
2. 网络结构
整个网络结构如下,大致分为两部分,LRNet即低分辨率处理网络,HRNet,高分辨率处理网络,LRNet部分包含四个FouSpa块,它占据了整个网络绝大部分的计算量,因此用双线性插值将特征下采样到原始分辨率的1/8。经过FouSpa后的特征送入FFT,分别得到振幅Ar和相位Pr的特征,同时Conv卷积整流特征,得到低分结果 H/8×W/8×C。
原始输入x的其中一支会直接以PixelUnshuffle(8x)重塑为H×W×C×64,输入到Adjustment块中,并在调整后以Pixelshuffle再重塑为原始大小,最终与上采样特征结合以估计出正常图像。
FouSpa块:
该块用于在傅里叶域和空间域中并行执行增强,在傅里叶域中执行相位/振幅增强,空间域中执行特征增强。在傅里叶分支中,FFT获取振幅A和相位P,然后分别进入两个1*1的卷积中处理,这样是为了避免结构信息被破坏。再用IFFT转移为空间域,并把它与空间特征串联。空间域分支主要进行卷积操作,以模拟空间域的结构依赖性。傅里叶分支则关注全局的信息。
Adjustment块:
接受上采样的Xpu和细化的振幅Ar和相位Pr后,使用空间特征变换SFT对Xpu经过FFT的结果进行调制。而空间域则采用和FouSpa中相同的方法。
其余结果部分请自行阅读的原文吧,这里因为对网络结构感兴趣,就记录了一下。