MMJun, 2020

利用细胞振动模型进行低光图像增强

PDF
TL;DR该论文提出了一种基于光子激发引起的膜振动分析的能量模型，并结合伽马校正模型提出了一种新的全局亮度增强模型，最终还加入了一种局部融合策略，该算法在避免色彩失真、恢复暗区纹理、还原自然色彩和减少时间成本方面优于九种先进方法。
low lightimage enhancementenergy modelgamma correctionlocal fusion
发现论文，激发创造
  • 解耦低光图像增强

    本文提出了一种将低光图像增强模型拆分成两个阶段的方法，第一阶段侧重于基于像素级的非线性映射来提高场景的可见性，第二阶段侧重于通过抑制其余退化因素来提高外观保真度，本文的实验结果表明该模型在定性和定量比较中具有最先进的性能。

    Nov, 2021

  • 一种仿生多曝光融合低光图像增强框架

    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

  • 低光图像鲜明物体检测中的图像增强探索

    本文提出了一种基于物理光照模型的图像增强方法，以便在低光照图像中便于显着物体检测，并使用 Non-Local-Block 层来捕捉物体与其邻域的差异，最终在 4 个公共数据集和自己构建的数据集中取得了有前景的结果。

    Jul, 2020

  • 启迪你的声音：当多模态遇上零样本低光照图像增强

    我们研究了一种名为 “Enlighten-Your-Voice” 的多模态增强框架，通过声音和文本命令创新地丰富用户交互，以解决低光场景中可见信息退化对互补信息融合和结果生成的不利影响，并呈现了在无监督零样本情境中引人注目的泛化能力。

    Dec, 2023

  • 基于光照感知伽马校正和完整图像建模网络的低光照图像增强

    本文提出了一种新颖的网络结构，利用感知偏差照明方式和完整图像建模来解决低光照图像增强问题。通过将伽马校正的有效性与深度网络的强建模能力相结合，我们能够粗到细地自适应地感知偏离的照明来学习校正因子伽马。通过使用泰勒级数近似伽马校正，加速了训练和推理速度。我们提出了一种新颖的变压器块，通过本地到全局的层次化注意机制完全模拟跨图像像素的依赖关系，从而以高度有效的方式从具有很好信息的区域推断出暗区。在几个基准数据集上的广泛实验表明，我们的方法优于现有方法。

    Aug, 2023

  • Light-VQA: 低光视频增强的多维质量评估模型

    通过构建 LLVE-QA 数据集并提出 Light-VQA 模型，本文针对 UGC 视频中的低照度造成视觉下降问题，同时考虑视觉质量评估方法，提供了一种基于特征融合的新型解决方案，该模型在 LLVE-QA 数据集和公共数据集上表现出最好的性能。

    May, 2023

  • 基于扩散模型的卫星低光图像增强

    本文提出了一种基于扩散模型的飞行器低光图像增强方法，通过一种数据集收集方案和自动化的物理模拟生成器来对数据进行预处理。我们的方法在图像亮度增强方面表现更好，在图像质量方面与以前的方法相当。

    Jun, 2023

  • 基于小波扩散模型的低光照图像增强

    我们提出了一种名为 DiffLL 的稳健和高效的基于扩散模型的低光图像增强方法，它利用波浪变换加速推理并降低计算资源使用但不损失信息，并通过前向扩散和反向去噪实现稳定去噪和减少随机性。我们还设计了高频率恢复模块，利用图像的垂直和水平细节来补充对角信息以实现更好的细粒度恢复。大量实验证明，我们的方法在定量和视觉上均优于现有的最先进方法，并且与以前的扩散方法相比，在效率上获得了显着的提高。此外，我们还经验性地证明了方法在低光人脸检测方面的潜在实际价值。

    Jun, 2023

  • 学习一个卷积层模型以进行低光图像增强

    本文介绍了一种在低亮度条件下进行图像增强的轻量级神经网络，提出了全局低光强度增强和局部自适应校正的方法来解决不同图像区域的曝光问题，实验结果表明该方法在客观指标和主观视觉效果方面都表现出色。

    May, 2023

  • Zero-LED：低光图像增强零参考照明估计扩散模型

    提出了一种基于扩散模型的零参考光估计扩散模型，用于低光图像增强，通过零参考学习成功地弥补了对成对训练数据的依赖，并通过与初始优化网络之间的双向约束实现光照增强。

    Mar, 2024