一篇暗图像增强的深度学习论文

Kindling the Darkness: A Practical Low-light Image Enhancer

Problems

•它提出了低光照增强任务存在的三个难点： 

•（1）如何有效的从单张图像中估计出光照图成分，并且可以灵活调整光照level? 

•（2）在提升图像亮度后，如何移除诸如噪声和颜色失真之类的退化？ 

•（3）在没有ground-truth的情况下，样本数目有限的情况下，如何训练模型？ 

Contribution

•受Retinex理论的启发，提出的网络将图像分解为两个分量，即反射和照明，将原始空间分解为两个较小的分量。
•网络使用在不同光照/曝光条件下捕获的成对图像进行训练，而不是使用任何groud-truth反射和照明信息。

•我们设计的模型提供了一个映射功能，可以根据用户的不同需求灵活地调整亮度。 

•提议的网络还包含一个模块，该模块能够有效地消除通过照亮黑暗区域而放大的视觉缺陷。 

•进行了广泛的实验，以证明我们的设计的有效性及其相对于最先进的替代品的优越性

Architecture

Layer Decomposition Net

Reflectance Restoration Net 

Illumination Adjustment Net 

Illumination Adjustment Net 

Experiences

•Dataset : LOL dataset which includes 500 low/normal-light image pairs.  

•Device : Nvidia GTX 2080Ti GPU and Intel Core i7-8700 3.20GHz CPU  

•Framework : Tensorflow 

•Evaluating Indicator :PSNR、SSIM、LOE、NIQE 

Results

Conclusion 

最后

以上就是忧心铃铛为你收集整理的一篇暗图像增强的深度学习论文的全部内容，希望文章能够帮你解决一篇暗图像增强的深度学习论文所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。