基于比较方程的深度量化图像增强
计算机视觉与模式识别
2023-04-06 v1
摘要
近期大多数深度图像增强方法可大致分为两类：分解增强型和以光照估计为核心型。前者通常效率较低，后者受限于将图像反射率作为期望增强结果的强假设。为在保持高效率的同时缓解该约束，我们提出一种新颖的可训练模块，使从低光图像和光照图到增强图像的转换多样化。该模块将图像增强表述为由相机响应函数和曝光补偿比参数化的比较方程。通过将此模块嵌入以光照估计为核心的深度神经网络（DNN）中，我们的方法提升了深度图像增强的灵活性，将计算负担限制在光照估计上，并支持可适应不同任务多样化需求的全无监督学习。
引用
@article{arxiv.2304.02285,
title = {Deep Quantigraphic Image Enhancement via Comparametric Equations},
author = {Xiaomeng Wu and Yongqing Sun and Akisato Kimura},
journal= {arXiv preprint arXiv:2304.02285},
year = {2023}
}
备注
Published in ICASSP 2023. For GitHub code, see https://github.com/nttcslab/cone