Low-light images enhancement系列：Kindling the Darkness: A Practical Low-light Image Enhancer

概述

• 作者创建了一个名作KinD的暗光增强网络，分为decomposition network、adjustment network和restoration network三大部分。
• 其中decomposition network利用retinex理论，将输入图像分解成reflectance maps和illumination maps；adjustment network可以通过参数$\alpha$灵活调整亮度，输出调整过的illumination maps；restoration network负责将之前decomposition network得到的reflectance maps和adjustment network的输出结合，得到最终的增强图像。
• 网络使用paired数据集，输入两张曝光不同的同场景照片，但是并不是以正常曝光的照片作为ground truth，而是以正常曝光照片的reflectance maps作为ground truth。根据retinex理论，一张图片可以分成reflectance maps和illumination maps两部分，不同曝光的图片如果不考虑退化（噪声、颜色失真等），则两者的reflectance maps应该相同，不同的是illumination maps，所以作者使用正常曝光图片的reflectance maps作为ground truth。
• 同时，作者在不同的网络部分中，使用了不同的组合的loss，如MSE loss、SSIM loss等。实验证明，论文的结果在视觉上和定性定量的实验上，都取得了SOTA的效果。
• 时间上，本文是ACM MM 2019论文。
  

Methodology

datasets

作者这里用LOL dataset