LYT-NET：用于低光图像增强的轻量级YUV Transformer网络
计算机视觉与模式识别
2025-09-11 v7 图像与视频处理
摘要
本文介绍了LYT-Net，一种用于低光图像增强（LLIE）的新型轻量级Transformer模型。LYT-Net由若干层和可分离模块组成，包括我们新颖的模块——通道式去噪器（CWD）和多阶段压缩与激励融合（MSEF）——以及传统的Transformer模块多头自注意力（MHSA）。在我们的方法中，我们采用双路径方法，将色度通道U和V与亮度通道Y视为独立实体，以帮助模型更好地处理光照调整和损坏修复。我们在已建立的LLIE数据集上的综合评估表明，尽管模型复杂度低，但其性能优于近期的LLIE方法。源代码和预训练模型可在 https://github.com/albrateanu/LYT-Net 获取。
引用
@article{arxiv.2401.15204,
title = {LYT-NET: Lightweight YUV Transformer-based Network for Low-light Image Enhancement},
author = {A. Brateanu and R. Balmez and A. Avram and C. Orhei and C. Ancuti},
journal= {arXiv preprint arXiv:2401.15204},
year = {2025}
}
备注
5 pages