高分辨率低光照图像增强的 Bootstrap 扩散模型曲线估计
原文中文,约400字,阅读约需1分钟。发表于: 。使用 BDCE,一种基于学习的曲线参数分布估计模型,来解决高分辨率图像的计算成本高和同时增强和去噪效果不佳的问题,并通过大量实验证明其在常用基准数据集上达到了最先进的定性和定量性能。
该论文提出了一种新的零参考深曲线估计方法(Zero-DCE),通过训练一个轻量级的深度网络 DCE-Net 来估计给定图像的像素级和高阶曲线,以进行动态范围调整。该方法具有高效性和可解释性,对不同光照条件具有良好推广能力。在各种基准测试上进行的大量实验定量和定性地展示了该方法的优势。同时,还讨论了 Zero-DCE 对于在黑暗中进行人脸检测的潜在优势。