CRNet：一种用于统一图像恢复和增强任务的细节保持网络
原文中文，约300字，阅读约需1分钟。发表于：。本研究提出了一种使用多曝光图像的复合细化网络（CRNet），通过完全整合信息丰富的多曝光输入，实现统一的图像恢复和增强，通过池化层显式分离和加强高低频信息，使用特殊设计的多分支块有效融合这些频率，通过大卷积核和反向瓶颈 ConvFFN 的高频增强模块，扩大感受野并充分整合输入特征，本模型在 Bracketing 图像恢复和增强挑战赛的第一轨上获得了第三名，在测试指标和视觉质量上超过了先前的 SOTA 模型。
本研究提出了一种使用多曝光图像的复合细化网络（CRNet），通过整合多曝光输入，实现统一的图像恢复和增强。该模型在图像恢复和增强挑战赛中获得第三名，超过了先前的SOTA模型。
