自监督的暗光图像增强

【前言】

前几天吃了一下ICCV21的瓜，吃的有点饱，就去刷了一下arxiv，看到了一篇微软的工作，很有意思，是Mobilenet和Transformer的拼一起的网络架构，具体说就是这两个网络主干就类似梯子的两条腿，腿之间的踏板是Mobilenet跟Transformer的数据同步的子模块设计。按照他写的Mobilenet那里不知道用的是V几的，Tranformer用的是ViT的，给的性能是，Flops比Mobilenet V3和LeVit都小，但是分类Top-1都要更高，原本觉得很有意思，想要读一读跑一下的，但好像因为文章比较新，才贴了几天，没给github开源，而我本人对Transformer不太懂，自己实现好像也不太好做，那就算了，等后面他开源了这个网络我再看。这次看个比较老的工作的，自监督的图像增强网络，只需要用暗光图像训练就可以了。这个Paper有个问题，好像是因为他没做去噪的工作，被拒了，作者们后面重写了一版带去噪的才中稿，但这里我们还是继续看这个没中稿的吧，这个比较有意思。

以下解读与见解均为我的个人理解，要是我有哪里曲解了，造成了不必要的麻烦，可以联系我删除文章，也可以在评论区留言，我进行修改。也欢迎大家在评论区进行交流，要是有什么有意思的paper也可以留言，我抽空看一下也可以写一些。正文内容中的“作者”二字，均是指paper的作者，我的个人观点会显式的“我”注明。而文中的图基本都是从paper上cv过来的，我也没本事重做这么多的图，况且作者的图弄得还挺好看的。

Paper基本信息

题目：Self-supervised Image Enhancement Network: Training with Low Light Images Only

作者：Yu Zhang, Xiaoguang Di, Bin Zhang, Chunhui Wang, 是来自HIT的研究团队

链接：https://arxiv.org/abs/2002.11300​arxiv.org/abs/2002.11300

Github：https://github.com/hitzhangyu/Self-supervised-Image-Enhancement-Network-Training-With-Low-Light-Images-Only

总结：暗光成像的真实环境数据集+基于CNN的暗光成像端到端模型

Paper内容介绍

【Introduction】

这几年