提出了一种端到端的曝光校正模型，采用感知损失，特征匹配损失和多尺度辨别器来提高生成图像的质量并使训练更加稳定，实验结果表明其有效性。在大规模曝光数据集上，取得了最新的最优结果，并研究了图像曝光设置对画像抠图任务的影响，发现曝光过度和曝光不足的图像导致画像抠图质量严重降低，采用所提出的模型进行曝光校正后，画像抠图质量显著提高。

Apr, 2022

本文介绍了一种基于 Retinex 理论的视频曝光校正方法，通过构建配对的视频数据集，并利用多流照明学习机制对过曝和欠曝进行增强来提高视频的质量，实验结果表明，该方法在图像曝光校正和欠曝视频增强方面优于现有方法。

Feb, 2024

本文提出了一种新颖的自动曝光校正方法，核心在于双重照明估计，将欠曝光和过曝光校正分别作为输入图像和反转输入图像的明显估计。通过执行双照明估计，为输入图像获得两个中间曝光校正结果，并采用多重曝光图像融合技术自适应地混合两个中间曝光校正图像和输入图像的视觉最佳暴露部分形成全局性能好的图像。实验表明，该方法在各种具有挑战性的图像上比现有方法和流行的自动曝光校正工具更为有效。

Oct, 2019

通过自适应学习和连接不同区域的曝光表示，我们介绍了一种有效的面向区域的曝光校正网络（RECNet），可以处理混合曝光的图像。通过区域感知的去曝光模块和混合尺度恢复单元，我们可以处理混合曝光不均匀分布所带来的挑战，并且通过曝光对比正则化策略实现全局图像的均匀曝光分布。在各种数据集上进行的广泛实验证明了我们提出方法的优越性和泛化性。

Feb, 2024

本文提出使用深度神经网络结合单一曝光下多图像曝光融合技术来解决现代相机的动态范围限制问题，并在手机摄影实验中获得了高质量的图像。

Apr, 2020

我们提出了一种新颖的方法来增强在次优照明条件下捕获的图像，通过学习估计和校正颜色偏移，针对过曝和欠曝区域进行独立的颜色偏移纠正和调节，实现对图像色调的恢复。

May, 2024

本文介绍了如何通过适当的图像预处理提高基于深度学习的结肠部分三维重建的准确性。首先给出了包括图像曝光修正和循环神经网络同时定位与地图构建在内的流程概述，然后量化了针对结肠内内外曝光未校准的内窥镜轨迹重建的准确性。

Apr, 2023

通过使用 Macro-Micro-Hierarchical transformer 来处理曝光问题，该方法结合了宏观和微观的特征提取并具有层次结构，通过对不同尺度的误差逐层修正，同时使用对比度约束来提高图像质量，从而在曝光修正以及图像增强方面取得了优于现有方法的结果。

Sep, 2023

通过结合漏光图像的扩散模型和基于物理的曝光模型，使用残差层筛选出迭代过程中的副作用，从而改进了图像增强方法。该方法适用于真实数据集、不同噪声模型和骨干网络，并且具有更好的泛化能力。

Jul, 2023

该论文设计了一种基于多曝光融合的低光图像增强框架，使用光照估计和相机响应模型来综合多副本图像，并通过融合算法实现了对比度和明度的准确提升。实验表明，该方法较其他现有方法更少引入对比度和亮度失真。

Nov, 2017