Retinexformer 论文阅读笔记

最新推荐文章于 2025-08-22 12:04:48 发布
原创 最新推荐文章于 2025-08-22 12:04:48 发布 · 1.7k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#论文阅读 #笔记

清华大学等机构在ICCV2023上发布了一种基于Retinex的Transformer模型（Retinexformer），用于低光图像增强。论文提出了一种先预测原始亮度并去除噪声的Retinex范式，通过Transformer进行修复。尽管实验结果显示了PSNR和SSIM，但作者认为该工作亮点不多，效果一般且未全面比较其他方法。

Retinexformer: One-stage Retinex-based Transformer for Low-light Image Enhancement

在这里插入图片描述

  • 清华大学、维尔兹堡大学和苏黎世联邦理工学院在ICCV2023的一篇transformer做暗图增强的工作，开源。
  • 文章认为，Retinex的I=R⊙LI=R\odot LI=R⊙L假设干净的R和L，但实际上由于噪声，并不干净，所以分别为L和R添加干扰项，把公式改成如下：
    在这里插入图片描述
  • 本文采用先预测L‾\overline LL再使用I⊙L‾I\odot\overline LI
最低0.47元/天 解锁文章
【图像增强】论文精读：Retinexformer: One-stage Retinex-based Transformer for Low-light Image Enhancement
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
08-24 450
本文提出了一种基于Retinex理论的Transformer模型Retinexformer，用于低光图像增强。传统Retinex方法未考虑图像损坏且需多阶段训练，而现有CNN方法存在远程依赖建模不足的问题。Retinexformer通过单阶段端到端框架(ORF)首先估计光照信息，然后采用新型光照引导Transformer(IGT)进行损坏恢复。IGT通过光照引导的自注意力机制(IG-MSA)增强不同曝光区域间的交互。实验表明，Retinexformer在13个基准数据集上显著优于现有方法，最高提升6dB，并
YOLOv8改进 | 主干篇 | 低照度增强网络Retinexformer改进黑夜目标检测 （全网独家首发）
Snu77的博客
01-20 4865
本文给大家带来的改进机制是低照度图像增强网络，其是由今年最新发布的针对于黑夜目标检测的改进机制（非常适合大家用来发表论文），其主要思想是通过一种新颖的一阶段Retinex-based框架来增强低光图像。这个框架结合了照明信息的估计和损坏恢复，目的是提高低光图像的质量。核心在于照明引导的变换器，这种变换器使用照明信息来引导长期依赖性的建模，从而在不同照明条件下更好地处理图像。欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家。
论文阅读笔记
Cherie496的博客
07-08 2260
论文：PUTN: A Plane-fifitting based Uneven Terrain Navigation FrameworkPUTN: A Plane-fifitting based Uneven Terrain Navigation FrameworkPUTN: A Plane-fifitting based Uneven Terrain Navigation Framework 阅读笔记
论文阅读笔记1
weixin_36919892的博客
11-29 521
论文阅读笔记文献名称：A Spatial-Temporal QoS Prediction Approach for Time-aware Web service Recommendation. 作者信息：XinYu Wang, Jiangke Zhu, Zibin Zheng, 分别是浙江大学和中山大学，Zibin Zheng的主要研究方向就是web service recommendation
论文阅读笔记（四）
11-21 686
网络上的p2p流量控制，确保客户方与服务提供方资源的有效，公平利用。对于传统的TCP应用，ISP可以控制TCP的网络反馈包来控制流量，但对于P2P应用的控制则麻烦的多。作者提出需要ISP和P2P应用携手合作来解决流量控制问题，通过他们提出的P4P框架建立一个信息门户来为两者提高当前网络的信息，比如拓扑结构，拥塞率等。可以将这个门户作为第三方提供，ISP和P2P应用都从它获取网络信息，实
Retinexformer论文精读笔记
m0_73599738的博客
02-06 2436
Retinexformer: One-stage Retinex-based Transformer for Low-light Image Enhancement
【图像增强】论文精读：DarkIR: Robust Low-Light Image Restoration
最新发布
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
08-22 1105
摘要 本文提出DarkIR，一种基于CNN的低光图像多任务恢复方法，可同时处理噪声、低光和模糊问题。与现有Transformer模型不同，DarkIR采用新颖的注意力机制增强CNN感受野，在计算成本和参数效率上更具优势。实验表明，DarkIR在LOLBlur、LOLV2和Real-LOLBlur数据集上达到SOTA性能，PSNR比LEDNet提升1dB，并能泛化到真实夜间图像。该方法创新性地结合空间域和频域处理：空间域通过大感受野注意力解决噪声和模糊，频域利用光照与傅里叶振幅的相关性实现高效增强。
论文笔记：Integrating Semantic Segmentation and Retinex Model for Low Light Image Enhancement
Wenretium的博客
04-06 2505
Integrating Semantic Segmentation and Retinex Model for Low Light Image Enhancement 来源：Proceedings of the 28th ACM International Conference on Multimedia (2020) 目录Integrating Semantic Segmentation and Retinex Model for Low Light Image EnhancementContributi
改进YOLOv8系列：引入低照度图像增强网络Retinexformer | 优化低光照目标检测那题
qq_44224801的博客
10-26 920
改进YOLOv8系列：引入低照度图像增强网络Retinexformer | 优化低光照目标检测那题
论文阅读笔记（一）
weixin_45607635的博客
09-12 4588
《MOSI: Multimodal Corpus of Sentiment Intensity and Subjectivity Analysis in Online Opinion Videos》论文笔记
[论文阅读笔记] U-Net
jingwenlai_scut
09-19 777
2018-8-7, jingwenlai   # 何为UNet?     基于FPN，修改并扩展，加入了同级连接形成UNet，含有更高层语义信息，可有更大的感受野及更好的精度。 此外，通过overlap-tile strategy使得可以无缝切割任意大的图像。 针对细胞粘连的挑战，引入weighted loss,对边界赋予更大的权重。 ## 网络结构 如上图1所示...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值