论文精读
文章平均质量分 92
孤单中颤抖
这个作者很懒,什么都没留下…
展开
-
【论文精读】LLNet: A Deep Autoencoder approach to Natural Low-light Image Enhancement
目录摘要贡献网络结构(LLNet)从微光中学习特征SSDLLNetS-LLNet网络参数摘要本文提出了一种基于深度自动编码器的方法来识别弱光图像中的信号特征,并在不过度放大/饱和高动态范围图像的较亮部分的情况下自适应地使图像变亮。在监视、监视和战术侦察中,从动态环境中收集视觉信息并对其进行准确处理对于做出明智的决策和确保任务的成功至关重要。相机传感器在拍摄光线不佳的环境中拍摄的清晰图像或视频时往往成本有限。许多应用的目标是以机载实时方式增强图像的亮度、对比度和降低噪声含量。我们表明,堆叠稀疏去噪自动编码原创 2021-03-21 14:30:52 · 3088 阅读 · 0 评论 -
【论文精读】Low-Light Image Enhancement via a Deep Hybrid Network
目录论文出处摘要网络结构A.内容流B.边缘流损失函数MSE损失感知损失对抗性损失总的损失论文出处IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 28, NO. 9, SEPTEMBER 2019摘要1、提出了一种混合神经网络,由两个不同的流组成:1)内容流:通过编解码器网络估计微光输入图像的全局内容,但是该部分会损失输入图像中的细节内容;2)边缘流:提出了一种新的空间可变递归神经网络,在另一个自动编码器的指导下对边缘细节进行建模。因此,网络可以同时学习微原创 2021-03-15 15:20:26 · 1209 阅读 · 0 评论 -
【论文精读】Color-wise Attention Network for Low-light Image Enhancement
目录摘要贡献提出的方法问题表述网络架构CWANL_LL结构CWANAB_{AB}AB结构注意力图和关注点目标函数摘要在捕获图像时缺少附近的光源会降低捕获图像的可见度和质量,使计算机视觉任务变得困难。提出了一种基于卷积神经网络的颜色注意网络(CWAN)用于微光图像增强。CWAN在观看暗图像时受到人类视觉系统的激励,在微光图像和增强图像之间学习端到端映射,同时在微光图像中搜索任何有用的颜色线索,以帮助颜色增强过程。一旦识别出这些区域,CWAN的注意力将主要集中在合成这些局部区域以及全局图像上。在具有挑战原创 2021-03-12 17:02:51 · 1280 阅读 · 0 评论 -
【论文精读】EnlightenGAN: Deep Light Enhancement without Paired Supervision
目录贡献网络架构全局-局部鉴别器自特征保持损失自注意引导的UNet生成器贡献1.EnlighttenGAN是第一个成功地将不成对训练引入微光图像增强的工作。这样的训练策略消除了对成对训练数据的依赖,使我们能够使用来自不同领域的更大种类的图像进行训练。它还避免了过度匹配以前作品隐含依赖的任何特定数据生成协议或成像设备,从而显著提高了真实世界的通用性。2.通过引入(1)全局-局部鉴别器结构来处理输入图像中的空间变化的光条件;(2)通过自特征保持丢失和自正则注意机制来实现自我正则化的思想,Enlightte原创 2021-03-11 15:57:00 · 1724 阅读 · 0 评论 -
【论文精读】Learning Texture Transformer Network for Image Super-Resolution
出处2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)贡献网络结构损失函数原创 2021-03-10 15:28:42 · 615 阅读 · 0 评论 -
【论文精读】Pre-Trained Image Processing Transformer
出处摘要随着现代硬件计算能力的强劲增长,在大规模数据集上学习的预训练深度学习模型(如BERT,GPT-3)已经显示出比传统方法更有效的效果。这一重大进展主要得益于transformer及其变体网络模型的表现能力。本文对底层计算机视觉任务(如去噪、超分辨率和去噪)进行了研究,提出了一种新的预训练模型,即图像处理变换器(IPT)。为了最大限度地挖掘转换器的能力,我们提出利用著名的ImageNet基准测试来生成大量损坏的图像对。IPT模型在这些具有多头和多尾的图像上进行训练。此外,为了更好地适应不同的图像处理原创 2021-03-09 14:23:16 · 3742 阅读 · 4 评论 -
【论文精读】Underexposed Photo Enhancement using Deep Illumination Estimation
出处2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)摘要本文提出了一种新的神经网络来增强曝光不足的照片。我们不像以前的工作那样直接学习图像到图像的映射,而是在我们的网络中引入中间照明来将输入与预期的增强结果相关联,这增强了网络从专家修饰的输入/输出图像对中学习复杂照片调整的能力。在此模型的基础上,我们构造了一个对光照采用约束和先验的损失函数,准备了一个包含3000个曝光不足图像对的新数据集,并对网络进行原创 2021-03-08 16:38:31 · 370 阅读 · 0 评论 -
【论文精读】DALE : Dark Region-Aware Low-light Image Enhancement
出处2020 BMVC摘要本文提出了一种新的微光图像增强方法–暗区域感知微光图像增强(DALE),该方法通过视觉注意模块准确地识别暗区域,并对其亮度进行强化。我们的方法可以有效地利用超像素来估计视觉注意力,而不需要任何复杂的过程。因此,该方法可以保持原始图像的颜色、色调和亮度,并防止图像的正常照明区域饱和和失真。实验结果表明,我们的方法通过所提出的视觉注意准确地识别出暗区域,并且在定性和定量上都优于最先进的方法。论文贡献1.提出了一种新的注意力模块来识别暗光区域。使其在保留其他区域亮度的同时,密集原创 2021-03-05 15:30:06 · 649 阅读 · 0 评论 -
【论文精读】GIA-Net: Global Information Aware Network for Low-light Imaging
目录出处现有方法的不足本文贡献全局信息感知(GIA)模块网络架构损失函数像素级约束多尺度结构相似性损失MS-SSIM总的损失函数出处2020 ECCV现有方法的不足1.尽管基于UNet的微光图像增强方法显示出了令人振奋的结果,但由于缺乏全局颜色信息,UNet生成的图像具有诸如颜色不一致等伪影。2.目前大多图像去噪和增强方法分开进行,耗费大量的时间和计算资源。本文贡献1.本文提出了一种全局信息感知(GIA)模块,该模块能够提取全局信息并将其集成到UNet中,以提高微光图像增强的性能。2.提出结原创 2021-03-04 16:52:07 · 644 阅读 · 2 评论 -
【论文精读】Learning to Restore Low-Light Images via Decomposition-and-Enhancement
目录出处论文贡献出处2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)论文贡献原创 2021-03-04 11:31:36 · 747 阅读 · 1 评论 -
【论文精读】From Fidelity to Perceptual Quality A Semi-Supervised Approach for Low-Light Image Enhancement
目录出处论文贡献半监督微光增强的深递归带网络1.递归带学习2.带重组出处2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)论文贡献1.首次尝试提出了一种用于微光图像增强的半监督学习框架,其中设计了一种深度递归带表示来连接全监督框架和非监督框架,以整合它们的优势——通过训练成对的数据集,获得较强的信号保真度约束以校正详细信号;通过训练高质量的图像数据集,获得较强的人类感知质量。2.该框架被设计成能够提取原创 2021-03-03 21:38:34 · 1897 阅读 · 5 评论 -
【论文精读】Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement
目录出处创新点光照增强曲线设计1.光照增强曲线设计应满足三个条件:2.光照增强曲线3.高阶光照增强曲线4.像素级图像曲线网络架构损失函数设计实验结果出处2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)创新点1.提出了第一个无参考网络(有待考究),避免了有参考网络中过度拟合的问题,提高了模型的泛化能力。2.设计了一种特定于图像的曲线,能通过不断迭代,实现图像像素级增强的目的。3.提出了适用于无参考网原创 2021-03-03 14:43:11 · 3030 阅读 · 2 评论