EnlightenGAN: Deep Light Enhancement without Paired Supervision
- 第一个不需要label的方法,只需要一堆低光图片集和正常图片集,放宽了限制,在一定程度上这个框架更容易推广到真实场景中(真实场景很难有label)。
- 使用GAN来代替label进行监督,每次拿出一张低光图片和正常图片送到判别器中,这里有点不同的是判别器不单要判断真假,还要量化正常图片比低光图片真实的程度(一个叫做relativistic discriminator structure的东西)。此外还设计了局部patch的gan,出发点是一张图片不同区域需要增强的幅度都不同,local gan可以保证每个局部区域都被考虑到。
- 如何保证增强前后图像的content不变?拿在imageNet预训练好的VGG来衡量content,即增强前后VGG提的feature差异加入loss项。
- 引入了attention机制,这个attention map不需要学,直接rgb图像转grayscale即可,但是文章描述的不是很清楚