基于信噪比感知 Swin Transformer 的无监督低光图像增强
计算机视觉与模式识别
2023-07-28 v2
摘要
低光条件下捕获的图像呈现令人不悦的伪影，削弱了诸多上游视觉任务的特征提取性能。低光图像增强旨在改善亮度与对比度，并进一步降低损害视觉质量的噪声。近来，许多基于 Swin Transformer 的图像复原方法被提出并取得令人印象深刻的性能。然而，一方面，简单地采用 Swin Transformer 进行低光图像增强会暴露一些伪影，包括过曝、亮度失衡与噪声污染等。另一方面，在同一视觉场景中捕获低光图像及对应真值（即良好曝光图像）的图像对是不切实际的。本文提出一种基于 Swin Transformer 的双分支网络，由信噪比先验图引导，该先验图为低光图像增强提供空间变化信息。此外，我们利用无监督学习基于 Retinex 模型构建优化目标，以指导所提网络的训练。实验结果表明所提模型与基线模型相比具有竞争力。
引用
@article{arxiv.2306.02082,
title = {Unsupervised Low Light Image Enhancement Using SNR-Aware Swin Transformer},
author = {Zhijian Luo and Jiahui Tang and Yueen Hou and Zihan Huang and Yanzeng Gao},
journal= {arXiv preprint arXiv:2306.02082},
year = {2023}
}
备注
11 pages, 8 figures