LUT-GCE：用于快速低光图像增强的查找表全局曲线估计
计算机视觉与模式识别
2023-07-03 v2
摘要
我们提出了一种有效且高效的低光图像增强方法，名为查找表全局曲线估计（LUT-GCE）。与现有的逐像素调整的基于曲线的方法不同，我们提出为整幅图像估计一条全局曲线，从而能够同时校正欠曝光和过曝光。具体而言，我们提出了一种用于光照增强的新型三次曲线公式，其能够为图像的范围调整提供图像自适应且像素无关的曲线。随后我们提出了一个全局曲线估计网络（GCENet），这是一个仅有 25.4k 参数的极轻量网络。为了进一步加快推理速度，采用了查找表方法以实现快速检索。此外，设计了一种新颖的直方图平滑损失以实现零样本学习，能够提升图像对比度并恢复更清晰的细节。定量与定性结果证明了所提方法的有效性。此外，我们的方法在推理速度上优于当前最优（SOTA）方法，尤其是在高清图像（如 1080p 和 4k）上。
引用
@article{arxiv.2306.07083,
title = {LUT-GCE: Lookup Table Global Curve Estimation for Fast Low-light Image Enhancement},
author = {Changguang Wu and Jiangxin Dong and Jinhui Tang},
journal= {arXiv preprint arXiv:2306.07083},
year = {2023}
}
备注
spelling error