用于低光照图像增强的线性阵列网络
计算机视觉与模式识别
2022-02-17 v2 图像与视频处理
摘要
基于卷积神经网络（CNNs）的方法因其优异性能主导了低光照图像增强任务。然而，卷积操作基于局部滑动窗口机制，难以构建特征图的远程依赖。同时，基于自注意力的全局关系聚合方法已在计算机视觉中广泛使用，但这些方法因高计算复杂度而难以处理高分辨率图像。为解决该问题，本文提出一种线性阵列自注意力（LASA）机制，其仅使用两个二维特征编码来构建三维全局权重，进而精炼卷积层生成的特征图。基于 LASA，提出了线性阵列网络（LAN），在以更少参数量的情况下，于基于 RGB 和 RAW 的低光照增强任务中均优于现有最先进（SOTA）方法。代码发布于 https://github.com/cuiziteng/LASA_enhancement。
引用
@article{arxiv.2201.08996,
title = {Linear Array Network for Low-light Image Enhancement},
author = {Keqi Wang and Ziteng Cui and Jieru Jia and Hao Xu and Ge Wu and Yin Zhuang and Lu Chen and Zhiguo Hu and Yuhua Qian},
journal= {arXiv preprint arXiv:2201.08996},
year = {2022}
}