BriefGPT - AI 论文速递
·
基于 Retinex 分解的零样本增强低光图像
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于学习的零参考低光增强方法ZERRINNet，通过利用N-Net网络、RI-Net网络和纹理损失来解决低光图像增强中的问题，实现对训练数据的泛化性能的大幅提升。该方法在自制真实低光数据集和高级视觉任务上得到了有效验证，具有竞争力的性能。
🎯
关键要点
-
提出了一种基于学习的零参考低光增强方法ZERRINNet。
-
ZERRINNet利用N-Net网络、RI-Net网络和纹理损失来解决低光图像增强中的问题。
-
该方法显著提升了对训练数据的泛化性能。
-
在自制真实低光数据集和高级视觉任务上进行了有效验证。
-
ZERRINNet在性能上与当前最先进的方法具有竞争力。
-
相关代码可在链接中获取。
➡️
