DILIE：用于图像增强的深度内部学习
计算机视觉与模式识别
2020-12-14 v1
摘要
我们考虑通用的深度图像增强问题，即将一幅输入图像变换为一幅在感知上更好看的图像。近期的图像增强方法通过风格迁移与图像复原来处理该问题。这些方法大多分为两类：基于训练数据的方法与独立于训练数据的方法（深度内部学习方法）。我们在深度内部学习框架下执行图像增强。我们的深度内部学习图像增强（DILIE）框架增强内容特征与风格特征，并使用上下文内容损失以在增强图像中保持图像上下文。我们展示了在雾图与噪声图增强上的结果。为验证结果，我们使用结构相似性与感知误差，其在度量图像中存在的非真实形变方面是有效的。我们表明所提框架在图像增强上优于相关的SOTA工作。
引用
@article{arxiv.2012.06469,
title = {DILIE: Deep Internal Learning for Image Enhancement},
author = {Indra Deep Mastan and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:2012.06469},
year = {2020}
}