基于光照感知伽马校正和完整图像建模网络的低光照图像增强
原文中文,约400字,阅读约需1分钟。发表于: 。本文提出了一种新颖的网络结构,利用感知偏差照明方式和完整图像建模来解决低光照图像增强问题。通过将伽马校正的有效性与深度网络的强建模能力相结合,我们能够粗到细地自适应地感知偏离的照明来学习校正因子伽马。通过使用泰勒级数近似伽马校正,加速了训练和推理速度。我们提出了一种新颖的变压器块,通过本地到全局的层次化注意机制完全模拟跨图像像素的依赖关系,从而以高度有效的方式从具有很好信息的区域推断出暗区。...
本文提出了一种新的网络结构,用于解决低光照图像增强问题。该方法通过感知偏差照明和完整图像建模,结合伽马校正和深度网络,自适应地学习校正因子伽马。通过泰勒级数近似伽马校正,加速了训练和推理速度。层次化注意机制能够从具有信息的区域推断出暗区。实验结果表明,该方法优于现有方法。