Multiscale Low-Light Image Enhancement Network With Illumination Constraint 论文阅读笔记

最新推荐文章于 2023-07-14 16:51:02 发布

ssf-yasuo

最新推荐文章于 2023-07-14 16:51:02 发布

阅读量177

点赞数

分类专栏：论文阅读笔记文章标签：论文阅读笔记

本文链接：https://blog.csdn.net/weixin_44326452/article/details/131710127

版权

152 篇文章 35 订阅

订阅专栏

在这里插入图片描述

这是TCSVT 2022的一篇暗图增强的论文，主要创新点在于提出了一个illumination constraint
网络结构如下图所示：输入的图片用文章提出的illumination constraint提取了三个illumination map（分别对应RGB）后concatenate到原图送进网络。网络是一个unet结构，每个模块是SENet和Res2Net的结合体，网络最后还是加上了原图，所以是残差预测。
illumination constraint的公式如下图所示：其实就是对RGB通道分别进行归一化取反图，其中 $\rho$ 和 $\tau$ 分别是当前通道的最大值和最小值，max和min就是1和0.
损失函数是SSIM loss和perceptual loss的加权和：
实验结果看出，视觉效果还不错，主观评价指标也挺好，LOL上的PSNR就很低
这个文章给的一个启发是动机部分的阐述相当到位，然后是损失函数不需要MSE损失而只需要perceptual损失和SSIM损失就可以实现增强，从消融实验可以看到相比L1损失这两个损失能实现更好的NIQE；不过从消融实验可以看出来其实这个illumination constraint好像影响不太大：

在这里插入图片描述

关注