基于注意力的广义自引导网络用于低光照图像增强

过去几年中，深度卷积神经网络在低光照图像增强方面取得了令人瞩目的成功。现有深度学习方法多通过堆叠网络结构与加深网络深度来增强特征提取能力，这导致单幅图像的推理时间开销更大。为了在充分提取局部与全局特征的同时减少推理时间，受 SGN 启发，我们提出一种基于注意力的广义自引导网络（ABSGN）用于真实世界低光照图像增强。这种广义策略能够处理不同曝光下的噪声。所提网络经多个主流基准验证。额外的实验结果表明，所提网络优于大多数最先进的低光照图像增强方案。