UMLE：用于低光增强的无监督多判别器网络
图像与视频处理
2021-09-01 v2 计算机视觉与模式识别
摘要
低光图像增强，例如从低光图像中恢复颜色和纹理细节，是一项复杂而重要的任务。对于自动驾驶而言，低光场景会对基于视觉的应用产生严重影响。为解决该问题，我们提出了一种包含多个判别器的实时无监督生成对抗网络（GAN），即多尺度判别器、纹理判别器和颜色判别器。这些不同的判别器可从不同角度评估图像。进一步，考虑到不同通道特征包含不同信息且图像中光照不均匀，我们提出了特征融合注意力模块。该模块将通道注意力与像素注意力机制结合以提取图像特征。此外，为减少训练时间，我们为生成器和判别器采用共享编码器。这使模型结构更紧凑且训练更稳定。实验表明，我们的方法在定性和定量评估上均优于当前最优（SOTA）方法，并且在自动驾驶定位和检测结果上均取得显著提升。
引用
@article{arxiv.2012.13177,
title = {UMLE: Unsupervised Multi-discriminator Network for Low Light Enhancement},
author = {Yangyang Qu and Kai Chen and Chao Liu and Yongsheng Ou},
journal= {arXiv preprint arXiv:2012.13177},
year = {2021}
}