GIA-Net：面向低光照成像的全局信息感知网络
计算机视觉与模式识别
2021-05-13 v1
摘要
由于低信噪比，在低光照条件下获取感知上可信的图像极具挑战性。近来，U-Net在低光照成像上展现出有前景的结果。然而，原始U-Net由于缺乏全局颜色信息，会生成带有如颜色不一致等伪影的图像。在本文中，我们提出一种全局信息感知（GIA）模块，其能够提取全局信息并将其整合进网络以提升低光照成像性能。该GIA模块可插入原始U-Net中，仅引入可忽略的额外可学习参数或计算成本。此外，我们构建了一个GIA-Net，并在大规模真实世界低光照成像数据集上训练与评估。实验结果表明，所提GIA-Net在包括衡量感知相似度的深度指标在内的四项指标上优于当前最优（SOTA）方法。我们进行了广泛的消融研究，以验证所提GIA-Net利用全局信息对低光照成像的有效性。
引用
@article{arxiv.2009.06604,
title = {GIA-Net: Global Information Aware Network for Low-light Imaging},
author = {Zibo Meng and Runsheng Xu and Chiu Man Ho},
journal= {arXiv preprint arXiv:2009.06604},
year = {2021}
}
备注
16 pages 6 figures; accepted to AIM at ECCV 2020