ClassLIE：面向低光图像增强的结构和光照自适应分类模型
原文中文，约300字，阅读约需1分钟。发表于：。本文提出了一种结合 CNN 和 transformers 的新型框架 ClassLIE，通过综合和区域化的方式对低光图像中的结构和光照信息进行分类和自适应学习，从而显示出更好的增强性能。实验证明，ClassLIE 在五个基准数据集上达到了最先进的表现，LOL 数据集上的 PSNR 和 SSIM 分别为 25.74 和 0.92。
本文介绍了一种新型框架ClassLIE，结合了CNN和transformers，用于对低光图像中的结构和光照信息进行分类和自适应学习，以提高增强性能。实验证明，ClassLIE在五个基准数据集上表现出最先进的性能，LOL数据集上的PSNR和SSIM分别为25.74和0.92。
