ALL-E：美学引导的低光照图像增强
计算机视觉与模式识别
2023-05-03 v2
摘要
低光照图像增强（LLE）性能评估高度主观，因而将人类偏好整合进图像增强成为必要。现有方法未能考虑此点，提出一系列潜在有效的启发式准则用于训练增强模型。本文提出一种新范式，即美学引导的低光照图像增强（ALL-E），将美学偏好引入LLE，并在带美学奖励的强化学习框架中驱动训练。每个像素作为智能体，通过递归动作细化自身，即其对应调整曲线被顺序估计。大量实验表明，整合美学评估改善了主观体验与客观评价。我们在多个基准上的结果证明了ALL-E优于最先进（state-of-the-art）方法。
引用
@article{arxiv.2304.14610,
title = {ALL-E: Aesthetics-guided Low-light Image Enhancement},
author = {Ling Li and Dong Liang and Yuanhang Gao and Sheng-Jun Huang and Songcan Chen},
journal= {arXiv preprint arXiv:2304.14610},
year = {2023}
}