2021-07-02 低光增强(low-light image enhacement)论文阅读总结[持续更新]

最新推荐文章于 2024-06-11 09:53:45 发布
最新推荐文章于 2024-06-11 09:53:45 发布
阅读量741 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Yancy_/article/details/118416154
版权

EnlightenGAN: Deep Light Enhancement without Paired Supervision

  1. 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）。
  2. 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。
  3. 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。
  4. 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
YuHsin
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Low-light images enhancement/暗光/低光/微光增强系列：Attention-guided Low-light Image Enhancement（详解）
鳄鱼的博客
03-13 1万+
以下文字为博主翻译并添加了自己的理解，斜体为博主自己的想法，若有出错请指出。 摘要 暗光图像增强需要同时有效地处理颜色、亮度、对比度、伪影和噪声等多种因素。本文提出了一种新颖的注意力引导增强方案，并在此基础上构建了 端到端多分支（multi-branches） CNN。该方法的关键是计算两个注意力图来分别指导曝光增强和去噪任务。第一个注意力图区分曝光不足的区域和光照较好的区域，而第二个注意力图区分...
Low-Light-Image-Enhacement-1（弱光图像增强1）：Matlab实现的期刊“弱融合图像的基于融合的增强方法”，作者：薛阳富，德鲁曾，岳煌，廖英豪，丁兴豪，JohnPaisley，《信号处理杂志》，爱思唯尔，2016年5月
02-04
《弱光图像增强1》是薛阳富、德鲁曾、岳煌、廖英豪、丁兴豪以及John ...如果你对这个项目感兴趣，可以从"Low-Light-Image-Enhacement-1-master"这个压缩包中获取到源代码和相关资源，进一步学习和实践这个增强方法。
Low-Light Image Enhancement with Normalizing Flow
m0_37860076的博客
07-12 1424
flow-model论文阅读
探索光的奥秘：SNR-aware Low-Light Image Enhancement 开源项目
gitblog_00054的博客
06-11 295
探索光的奥秘：SNR-aware Low-Light Image Enhancement 开源项目 项目地址:https://gitcode.com/dvlab-research/SNR-Aware-Low-Light-Enhance 在数字化的世界中，高质量的图像处理技术对于提升用户体验和视觉效果至关重要。今天，我们向您隆重推荐一个由CVPR2022发表的开源项目——SNR-aware Low-...
Low-Light Image Enhancement with Wavelet-based Diffusion Models
u013049912的博客
06-15 3257
扩散模型在图像恢复任务中取得了很好的效果，但存在时间长、计算资源消耗大、恢复不稳定等问题。为了解决这些问题，我们提出了一种鲁棒和高效的基于扩散的微光图像增强方法，称为DiffLL。具体来说，我们提出了一个基于小波的条件扩散模型(WCDM)，它利用扩散模型的生成能力来产生令人满意的感知保真度的结果。此外，该算法还利用小波变换的优势，在不牺牲信息的前提下大大加快推理速度，减少计算资源的使用。
Low-Light Image Enhancement 弱光照图像增强算法 资源整理
u014546828的博客
02-25 6738
Resources for Low Light Image Enhancement https://github.com/dawnlh/low-light-image-enhancement-resources ------------------------------------------------------------- Paper TIP 2021 Sparse Gradient Regularized Deep Retinex Network for Robust Low-Ligh
论文阅读笔记:Low-Light Image Enhancement via a Deep Hybrid Network
weixin_45937009的博客
04-10 1290
论文阅读笔记:Low-Light Image Enhancement via a Deep Hybrid Network摘要论文要点研究目的解决方案简要网络设计content streamedge stream最后的融合损失函数相关试验个人对论文、模型的评价相关链接 摘要 在光线不足的环境中，摄像头传感器通常无法捕捉清晰的图像或视频。在这篇论文中，作者提出一个可训练的混合网路来提升退化影像的可见度。该网络由两个不同的流组成，在一个统一的网络中同时学习全局内容和清晰图像的显著结构。更具体地说，内容流(cont
[愚见]Lightening Network for Low-LightImage Enhancement
weixin_39406427的博客
09-05 1467
文章开始展示了作者自己的DLN（deep lighting network）增强图像的效果，由于γ(类似亮度控制)的原因，感觉比GT效果还好。 不同γ对图像的影响。γ=1是就是estimate normal lighting image。 作者的初衷是什么呢？作者认为没有绝对的NL（normal lighting）图像，NL图像不过就是比LL图像像素值高一些，动态范围更大一些。受超分辨[1]的思想，希望利用反向投影从LL（low -lighting）图像中重建出NL图像。 所以作者提出了LBP（
fuzzy-enhance.zip_Type-2 Fuzzy image_fuzzy image_fuzzy logic_fuz
07-14
fuzzy logic image enhacement it s an advanced codes to enhance images using type 2 fuzzy logic and intuitionistic fuzzy sets
水下图像增强matlab代码-BSc_Underwater_Image_Enhacement:BSc_Underwater_Image_Enh
06-04
水下图像增强matlab代码BSc_Underwater_Image_Enhacement 这是 Repository 包含用于我的 BSc 论文水下图像增强的 Matlab 代码。 注意：代码最初不是我个人从头开始构建的。 我只是将它用于我的研究目的，并进行了...
ABAP Training-SAP Enhacement.ppt
最新发布
06-25
### ABAP增强：理解与实施 #### 一、引言 在企业级应用开发领域，SAP系统作为全球领先的业务管理软件之一，为企业提供了全面的基础设施支持。然而，在实际应用场景中，为了更好地满足企业的特定需求并优化业务流程...
EnlightenGAN-master_GAN低光_图像增强_
10-01
用单一图像用GAN技术进行低光图像增强，打破以前利用图像对及逆行训练的模式，减少计算量。
Low-light-Image-Enhancement:通过光照图估计实现两种低光图像增强技术的Python
08-05
低光图像增强 基于以下论文，通过光照图估计实现两种低光图像增强技术的 Python 实现： 稳健曝光校正的双光照估计 [] LIME：通过照明图估计进行低光图像增强 [] 这两种方法都基于 retinex 建模，旨在通过保留图像的突出结构来估计光照图，同时去除多余的纹理细节。 为此，两篇论文都使用了相同的优化公式（参见参考资料）。 与第二篇论文（以下称为 LIME）相比，第一篇论文（以下称为 DUAL）引入的新颖性在于对原始图像及其倒置版本的该映射的估计，它允许校正曝光不足和过度曝光图像的暴露部分。 此存储库中实现的代码允许使用这两种方法，可以从脚本参数中轻松选择。 安装 这个实现在python>=3.7上运行，使用pip安装依赖： pip3 install -r requirements.txt 用法 使用demo.py脚本来增强您的图像。 usage: demo.py
Python-EnlightenGAN图像光线增强DeepLightEnhancementwithoutPairedSupervision
08-11
EnlightenGAN - (图像光线增强)Deep Light Enhancement without Paired Supervision
Zero-DCE:零参考深曲线估计的Pytorch实施，用于弱光图像增强
05-22
零DCE 零参考深曲线估计的Pytorch实施以实现低光图像增强（ ）。 使用活页夹访问笔记本： 在Wandb上找到培训日志： ://wandb.ai/19soumik-rakshit96/zero-dce 结果 嘈杂结果示例 引文 @article{2001.06826, Author = {Chunle Guo and Chongyi Li and Jichang Guo and Chen Change Loy and Junhui Hou and Sam Kwong and Runmin Cong}, Title = {Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement}, Year = {2020}, Eprint = {arXiv:2001
Accessibility-Enhacement
04-05
辅助功能增强 Accessibility-Enhancement旨在通过更改语义HTML元素并将它们链接到Style.css工作表中的适当标签，更正缩进，来重构现有代码，以提高SEO网站的可访问性。 链接图像： 链接到已部署的应用程序： :
低光图像增强：Learning a Single Convolutional Layer Model for Low Light Image Enhancement
2301_77854234的博客
06-21 211
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。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。
《Low-Light Image Enhancement via Structure Modeling and Guidance》论文超详细解读（翻译＋精读）
m0_52275819的博客
06-06 796
今天精读的是一篇来自2023年CVPR的一篇论文，主要还是跟低光图像增强有关。目录前言Abstract —摘要翻译精读一、Introduction—简介翻译精读二、Related Work—相关工作A. Low-light enhancement with learning—基于学习的低光增强翻译精读B. Generative model for restoration—生成模型在修复任务中的应用翻译精读三、Method—方法3.1. Appearance Modeling—外观建模翻译精读。
论文及代码详解 ——《SNR-Aware Low-light Image Enhancement》
zyw2002的博客
08-13 3543
本文提出了一种新的弱光图像增强解决方案，通过综合利用和，利用空间变化操作动态增强像素。它们是对极低信噪比(SNR)图像区域的long-range操作和对其他区域的操作。我们提出在引导特征融合之前先考虑信噪比，并利用一种新的自注意模型构建SNR-aware Transformer，以避免来自极低信噪比的噪声图像区域的token。大量的实验表明，在7个具有代表性的基准测试中，我们的框架始终比SOTA方法获得更好的性能。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值