欠曝/过曝图像的曝光校正

该博客介绍了CVPR21一篇论文中提出的方法,使用深度学习对过曝和欠曝图像进行曝光校正。该工作创新性地提出了一种从粗到细的网络结构,先校正颜色再细化细节,并创建了一个更广泛的多曝光数据集。实验结果显示了这种方法的有效性。
摘要由CSDN通过智能技术生成

【前言】

这次原本是想看一看华为的一篇关于开源数据集是否能用于商业活动的文章,这文章好几天前还挂在arxiv上,刚动手要写再搜了一下就没了,撤下来了,很可惜。等什么时候这篇再放上来的时候我们再看看。这次改写今年CVPR21的一个曝光校正的工作,开源了,但是代码是matlab写的。

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:Learning Multi-Scale Photo Exposure Correction

作者:Mahmoud Afifi, Konstantinos G. Derpanis, Bjorn Ommer, Michael S. Brown

链接:

https://openaccess.thecvf.com/content/CVPR2021/papers/Afifi_Learning_Multi-Scale_Photo_Exposure_Correction_CVPR_2021_paper.pdf​openaccess.thecvf.com

Github:

https://github.com/mahmoudnafifi/Exposure_Correction​github.com

总结:使用拉普拉斯金字塔输入进行从粗到细的过曝和欠曝图像的曝光校正

  • 0
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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