【深度学习】Deep Bilateral Learning for Real-Time Image Enhancements

1. 简述：

hdrnet是CNN在图像处理领域的成功实践，同时该框架的提出后，被成功的迁移到其他视觉领域，如降噪、风格迁移。当然在该论文中其主要作用是hdr，即图像的暗部亮部细节增强。

论文：Deep Bilateral Learning for Real-Time Image Enhancements

github地址：https://github.com/google/hdrnet

项目地址：https://groups.csail.mit.edu/graphics/hdrnet/

2. 方法：

整个算法的流程，如下图所示：

<1> 原分辨率缩放到低分辨率[256,256],求取双边网格系数；

双边网格，最早用于对边缘敏感的图像降噪加速，双边滤波的加速算法由于其具有可微性被拓展到hdrnet。

local feature和global feature的融合也非常巧妙，实现了不同感受野的融合，增强了图像的特征描述。

<2> 引导图求取，由ccm/tone curvel和conv卷积组成，最后是一幅灰度图,用于求取每一个像素点对应的网格系数；

<3> slice，根据像素位置和导引图进行加权3DLUT，从而获取每个像素对应的仿射系数；

<4> apply coeffients，点对点进行affine变换。

 

参考：

1. https://www.bilibili.com/read/cv5788312