BriefGPT - AI 论文速递
·
基于上下文的快速低光图像增强：神经隐式表示
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
CoLIE是一种新的图像增强方法，通过映射欠曝光图像的2D坐标到光照分量上，并在本地上下文中进行增强。该方法利用隐式神经函数和嵌入导向滤波器进行图像重建，降低了计算开销。引入了基于单图像的训练损失函数，提高了模型的适应性。经过评估，证明了该框架在图像质量和场景适应性方面的优越性。
🎯
关键要点
- CoLIE是一种新的图像增强方法，通过将欠曝光图像的2D坐标映射到光照分量上进行增强。
- 该方法利用隐式神经函数和嵌入导向滤波器进行图像重建，显著降低了计算开销。
- 引入基于单图像的训练损失函数，提高了模型对不同场景的适应性。
- 经过评估，证明了CoLIE在图像质量和场景适应性方面的优越性。
- 评估还包括低光照场景下的下游任务应用，凸显了CoLIE的实际实用价值。
➡️
