可控低光视频增强的解卷积无配对学习
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了低光视频增强中缺乏配对真实数据的问题，提出了一种解卷积无配对网络（UDU-Net），通过将优化函数解卷入深度网络中，分解成空间和时间相关因素进行迭代更新。该方法在视频照明、噪声抑制和时间一致性方面的表现超过了现有技术，具有重要的实际应用前景。
本文提出了一种无监督的网络，使用上下文引导的自适应光照规范来增强低光图像，并且还提出了一个能够从单个低光图像生成多个增强图像的区域自适应的SIMO模型，同时介绍了一个新的低光场景数据集LLRS，该模型在公共数据集以及LLRS数据集上的表现均优于以往的方法。
