low-light images enhancement
全员鳄鱼
中科院北京某所憨憨学生
展开
-
Fast Enhancement for Non-Uniform Illumination Images using Light-weight CNNs
重点暗光增强任务面临着输入图像模糊、信息少、低饱和度、低对比度等退化问题,目前有非常多的方法已经提出来解决问题,但是,并没有一个方法足够轻量化、速度快,以至于将模型部署到移动端上。全文最最重要的就是说自己的网络轻量化、速度快作者提出了一种方法:使用经过预处理(retouching module)的数据集(图选自COCO),以原图+max value of RGB+反 max value of RGB 结合图 作为input,先训练illumination net和fushion net,illum原创 2020-10-15 20:14:42 · 1281 阅读 · 4 评论 -
low-light系列:Lightening Network for Low-light Image Enhancement
前言文章下载链接在后面这是一篇顶刊TIP2020的文章,重点在于:文章将暗光增强任务视为一个求residual(残差)的任务LBP模块的提出,借用了SR(超分辨率)任务中的back-projection思想可调亮度的参数γ没有采用常用的L1、L2作为loss,而是采用SSIM loss 与TV smooth loss暗光增强任务需要融合global和local不同层级的特征才能很好地完成任务residual的假设Y=X+γP(X)−nY = X + \gamma P(X)-nY=X+γ原创 2020-09-14 15:02:42 · 2940 阅读 · 8 评论 -
Low-light images enhancement系列Learning to Restore Low-Light Images via Decomposition-and-Enhancement
摘要作者称,现有多数方法都是在低噪声训练集上进行学习,这不符合现实低照度图像噪点多的真实特点。同时作者发现在低照度图像中的噪声在不同频度表现不同,低频层相比高频层更容易检测到噪声,并且更容易被抑制(给出的参考论文是29和41)。作者提出了一个网络,能够先在低频层恢复图像对象,在恢复的图像基础上增强高频细节。作者还设计了一套新的sRGB低照度图像数据集(文中称这是出于SID方法使用RAW原始数据不够方便的考虑)。还提出了ACE和CDT两个子模块。用博主自己的的话来说整体流程如下:输入低照度图像(作者原创 2020-06-18 23:29:56 · 3030 阅读 · 14 评论 -
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ααα灵活...原创 2020-03-27 20:45:18 · 2180 阅读 · 0 评论 -
Low-light images enhancement系列:Underexposed Photo Enhancement using Deep Illumination Estimation(腾讯)
本篇论文:Underexposed Photo Enhancement using Deep Illumination Estimation来自CVPR2019,腾讯优图实验室投递,算是在近来low-light images enhancement中较为知名的论文了。搞笑的是,团队已经解散了 - -…,深圳的优图摘要不像之前的工作那样直接学习图像到图像的映射,本论文网络中引入中间照明来将输入...原创 2020-03-20 13:31:08 · 2647 阅读 · 3 评论 -
Low-light images enhancement/暗光/低光/微光增强系列:Attention-guided Low-light Image Enhancement(详解)
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...原创 2020-03-13 13:57:28 · 11111 阅读 · 9 评论 -
Low-light images enhancement系列:EnlightenGAN:Deep Light Enhancement without Paired Supervision
众所周知,在暗光增强任务中,要获取到适合的成对的暗光/正常曝光训练图像是非常困难的,甚至是不存在唯一的定义良好的正常曝光ground truth图片。如果用正常曝光的图像去合成带噪点的暗光图像作为训练集,很可能导致最终应用在真实世界中的测试出的图片人工伪影严重,泛化性差。所以作者利用无监督的GAN技术,设计了暗光增强领域中第一个训练数据不成对的无监督网络,称为EnlightenGAN,创新主要...原创 2020-03-14 15:37:43 · 2686 阅读 · 10 评论