Diff-Retinex: Rethinking Low-light Image Enhancement with A Generative Diffusion Model 论文阅读笔记

• 这是武汉大学发表在ICCV2023的一篇用diffusion模型来做暗图增强的工作，希望通过diffusion model的生成能力来还原出暗图中丢失的信息，同时用transformer作为retinex model的分解网络
  
  前面的transformer模型的损失如下图所示，即常规的重建损失，亮度分量的平滑损失，成对图像的R分量要相同的损失。其中重建损失的第三项是交叉损失，指将暗图和亮图的R对换后的损失，但是具体又不给出表达式，很可疑：
  
  
  
  
• 前面的transformer模型用的是通道注意力，后面的diffusion模型的backbone用的是restormer
• 实验结果如下图所示，给出了LOL数据集和VE-LOL数据集上的结果，感觉一般
  
• 评价：这个工作感觉也没什么创新点，价值大概就是给出了用diffusion做暗图增强的baseline吧。