BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
-
提出了一种新颖的网络结构，解决低光照图像增强问题。
-
结合感知偏差照明和完整图像建模，学习校正因子伽马。
-
使用泰勒级数近似伽马校正，加速训练和推理速度。
-
引入层次化注意机制，从信息丰富的区域推断暗区。
-
实验结果表明，该方法优于现有方法。
➡️
