BriefGPT - AI 论文速递
·
IndGIC：低照度条件下的监督动作识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新颖的网络结构，用于解决低光照图像增强问题。该网络利用感知偏差照明方式和完整图像建模，通过伽马校正与深度网络相结合，自适应地感知偏离的照明来学习校正因子伽马。通过使用泰勒级数近似伽马校正，加速了训练和推理速度。实验结果表明，该方法优于现有方法。
🎯
关键要点
- 提出了一种新颖的网络结构，用于解决低光照图像增强问题。
- 该网络结合了感知偏差照明方式和完整图像建模。
- 通过伽马校正与深度网络相结合，自适应地感知偏离的照明来学习校正因子伽马。
- 使用泰勒级数近似伽马校正，加速了训练和推理速度。
- 提出了一种新颖的变压器块，模拟跨图像像素的依赖关系。
- 在多个基准数据集上的实验结果表明，该方法优于现有方法。
➡️
