BriefGPT - AI 论文速递
·
一种基于通道先验和伽马校正的轻量级低光图像增强网络
💡
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，自适应地学习校正因子伽马。实验证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，用于低光照图像增强问题。
-
利用感知偏差照明和完整图像建模相结合。
-
通过伽马校正与深度网络结合，自适应学习校正因子伽马。
-
使用泰勒级数近似伽马校正，加速训练和推理速度。
-
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表明该方法优于现有方法。
➡️
