SLLEN：语义感知的低光照图像增强网络
计算机视觉与模式识别
2024-10-22 v3
摘要
如何有效挖掘语义特征对低光照图像增强（LLE）至关重要。现有方法通常仅利用由高层语义分割（SS）网络输出所得的语义特征。然而，若输出估计不准确，将影响高层语义特征（HSF）提取，进而干扰 LLE。为此，我们提出了一种简洁有效的语义感知 LLE 网络（SSLEN），其由 LLE 主网络（LLEmN）和 SS 辅助网络（SSaN）组成。在 SLLEN 中，LLEmN 将随机中间嵌入特征（IEF，即从 SSaN 中间层提取的信息）与 HSF 整合进统一框架以实现更好的 LLE。SSaN 被设计为扮演 SS 角色以提供 HSF 和 IEF。此外，得益于 LLEmN 与 SSaN 之间的共享编码器，我们进一步提出交替训练机制以促进二者协作。与现有方法不同，所提 SLLEN 能够充分利用语义信息（如 IEF、HSF 和 SS 数据集）辅助 LLE，从而获得更具前景的增强性能。所提 SLLEN 与其他最先进技术的对比证明了 SLLEN 在 LLE 质量上相对于所有可比替代方案的优越性。
引用
@article{arxiv.2211.11571,
title = {SLLEN: Semantic-aware Low-light Image Enhancement Network},
author = {Mingye Ju and Chuheng Chen and Charles A. Guo and Jinshan Pan and Jinhui Tang and Dacheng Tao},
journal= {arXiv preprint arXiv:2211.11571},
year = {2024}
}