用于学习增强极暗图像的连拍摄影

在极低光照条件下拍摄图像对标准相机流水线提出了重大挑战。图像变得过暗且噪声过多，这使得传统增强技术几乎无法应用。近来，基于学习的方法因具有显著更强的表达能力以改善质量，在该任务上展现出非常有前景的结果。受这些研究启发，本文旨在利用连拍摄影提升性能，从极暗的原始图像中获得更清晰、更准确的RGB图像。我们提出框架的骨干是一种新颖的由粗到细的网络架构，逐步生成高质量输出。粗网络预测低分辨率去噪原始图像，随后送入细网络以恢复精细尺度细节和逼真纹理。为进一步降低噪声水平并提高色彩准确性，我们将该网络扩展为置换不变结构，使其以连拍低光图像作为输入并在特征层面融合多幅图像的信息。我们的实验表明，相比最先进的方法，我们的方法通过生成更细致且质量明显更高的图像，取得了感知上更令人满意的结果。