论文阅读：曝光过度，曝光不足增强算法Learning to Correct Overexposed and Underexposed Photos

论文阅读：Learning to Correct Overexposed and Underexposed Photos

需要解决的问题：

曝光误差可能是由多种因素造成的，例如TTL测光的测量误差、硬照明条件（例如，非常低的照明和背光）、场景亮度水平的剧烈变化，或用户在手动模式下的错误。
在基于相机的成像中，拍摄错误曝光的照片仍然是一个主要的错误来源。曝光问题可分为以下两类：
•（i）曝光过度，相机曝光时间过长，导致图像区域变亮和褪色；
•（ii）曝光不足，曝光时间太短，导致图像区域变暗。

论文方法：

提出了一个由粗到精的深度学习模型，用于过曝光和欠曝光的图像校正。算法：使用拉普拉斯金字塔分解来处理不同频段的输入图像，以多尺度的方式依次校正每个拉普拉斯金字塔层次，从图像中的全局颜色开始，逐步处理图像细节。数据集：通过生成一个包含24000多张不同曝光误差的图像的大型数据集来实现的。

1. 提出了一个粗到细的深度神经网络（DNN）模型，该模型以端到端的方式进行训练，首先对全局颜色信息进行校正，然后对图像细节进行细化。
2. 一个关键贡献是一个新的数据集，它包含了24000多张从原始RGB到sRGB的不同曝光设置的图像。我们的数据集中的