使用深度补偿展开网络增强低光光场图像
原文中文，约400字，阅读约需1分钟。发表于：。这篇论文介绍了一种新颖且可解释的端到端学习框架，称为深度补偿展开网络（DCUNet），用于恢复在低光条件下捕捉的光场（LF）图像。DCUNet 设计了一个多阶段的架构，以数据驱动的方式模拟解决反向成像问题的优化过程。该框架使用中间增强的结果来估计光照图，然后在展开过程中使用该估计结果来产生新的增强结果。此外，DCUNet...
本论文介绍了一种新颖的深度补偿展开网络（DCUNet），用于恢复低光条件下捕捉的光场图像。DCUNet采用多阶段架构模拟解决反向成像问题的优化过程，并利用中间增强结果估计光照图。每个优化阶段都包括内容相关的深度补偿模块，用于抑制噪声和光照图估计误差。此外，论文提出了伪显式特征交互模块，充分利用光场图像中的冗余信息。实验结果定性定量地证明了DCUNet相对于现有方法的优越性，并更好地保留了增强的光场图像的基本几何结构。代码将在指定URL公开。
