low-light image enhancement | BriefGPT

关键词low-light image enhancement

搜索结果 - 69

ECAFormer：低光图像增强基于交叉注意力
通过 Hierarchical Mutual Enhancement via Cross-Attention transformer (ECAFormer) 使用 Dual Multi-head Self Attention (DMSA)
PDF13 days ago
LighTDiff：使用 T-Diffusion 进行手术内窥镜图像低光增强
通过使用 T 形模型架构对低分辨率图像进行全局结构信息的捕捉，并逐步恢复细节，我们提出了一种轻量级的 DDPM（LighTDiff），该模型在保留性能的同时显著减小了模型大小。同时，我们引入了时间光单元（TLU）来实现稳定训练和改善去噪结果
PDFa month ago
Retinexmamba：基于 Retinex 的 Mamba 低光图像增强
该研究介绍了 RetinexMamba 架构，既保留了传统 Retinex 方法的物理直观性，又融合了 Retinexformer 的深度学习框架，通过引入 State Space Models（SSMs）提高了处理速度，并将 Retine
PDF2 months ago
CodeEnhance：一种基于码书的低光图像增强方法
利用量化的先验知识和图像精修方法，该文提出了一种名为 CodeEnhance 的新型低光图像增强方法，通过学习从低光图像到离散码书的映射，改善图像恢复中的不确定性和噪声压制造成的纹理和颜色信息损失，并结合语义信息、码书位移和交互特征转换模块
PDF3 months ago
DI-Retinex：低光图像增强的数字成像 Retinex 理论
通过对数字成像中的 Retinex 理论进行理论和实验分析，本文提出了一种名为数字成像 Retinex 理论（DI-Retinex）的新表达式，该表达式包括增强模型中的偏移项，允许使用非线性映射函数进行像素级亮度对比度调整，并通过 Gamm
PDF3 months ago
CVPR面向鲁棒的事件引导低光图像增强：一个大规模真实世界事件图像数据集和新方法
利用机械臂轨迹追踪技术，构建了一个室内外真实场景的大规模事件图像数据集，提出了一种基于事件引导的适用于真实低光场景的图像增强方法 EvLight，通过多尺度整体融合分支和信噪比引导的区域特征选择策略，显著超越了基于帧的方法。
PDF3 months ago
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。
PDF4 months ago
边缘引导的惯性 Bregman 交替线性化极小化低光图像增强
为了克服在提取暗图像中可用的先验信息方面所面临的挑战，本文提出了一种简单而有效的具有边缘提取先验的 Retinex 模型。通过设计一个边缘提取网络，直接从低光图像中捕捉精细的边缘特征，将低光图像分解为其照明和反射分量，并引入边缘引导的 Re
PDF4 months ago
一种基于通道先验和伽马校正的轻量级低光图像增强网络
通过结合传统方法与深度学习技术，本研究提出了一种创新的低光图像增强网络 CPGA-Net，该网络结合了暗 / 亮通道先验、伽马校正、大气散射模型和 Retinex 理论的特征，成为一个轻量级网络，在客观和主观评价标准上取得了优异性能，为低光
PDF4 months ago
冻结生成器优化种子以实现卓越的零光低光增强
通过实验证明，预训练生成器可以有效地实现对低光图像的增强，通过嵌入预训练生成器到 Retinex 模型中，可以回复由低光条件破坏的图像特征，并通过一种新的优化策略实现更快收敛速度。
PDF5 months ago
仅需要一个色彩空间：一种用于低光图像增强的高效网络
提出了一种基于水平 / 垂直强度（HVI）的新型可训练颜色空间，该颜色空间解耦了 RGB 通道的亮度和色彩，有效改善了低光图像增强过程中的颜色和亮度伪影问题。同时，设计了一种名为 CIDNet 的新型颜色和亮度解耦网络，并在该网络中引入了轻
PDF5 months ago
低光图像增强的扰动学习
通过使用 TroubleMaker 学习策略在低光图像增强任务中训练使用正常光图像作为输入的模型，结合 Global Dynamic Convolution 模块，本文提出的方法在公共数据集上取得与最先进方法竞争性的性能。
PDF5 months ago
LYT-Net：用于低光图像增强的轻量级 YUV 变换网络
深度学习在图像增强中取得了成功，本文介绍一种新的轻量级 YUV 变换器网络（LYT-Net）用于低光图像增强，该方法利用 YUV 色彩空间的自然分离性简化了图像中光和颜色信息的复杂任务，通过使用变换器捕捉长距离依赖关系，LYT-Net 保证
PDF5 months ago
MixNet: 高效有效的 UHD 低光图像增强
本文提出了一种名为 MixNet 的新型低光图像增强方法，针对超高清图像进行设计，并通过全局特征调制层 (GFML)、局部特征调制层 (LFML) 和前馈层 (FFL) 等模块实现低光图像增强，具有少量模型参数和低计算复杂性。在合成和真实数
PDF5 months ago
基于 CLIP 傅里叶引导小波扩散的低光图像增强
通过 CLIP-Fourier Guided Wavelet Diffusion 方法的混合频率域空间，我们设计了一个通过小波变换实现有效图像增强的引导网络，能够恢复图像的细粒度结构并避免多样性混淆。经过大量定量和定性实验证明，我们的方法胜
PDF6 months ago
多尺度注意力变换器与亮度一致性损失的非均匀低光图像增强方法
提出了一种多尺度注意力变换器 (MSATr) 的非监督学习方法，以改善低光照下图像的质量，提取局部和全局特征来改善视觉效果，并通过多尺度窗口划分方案、全局变换器分支和循环训练策略来解决亮度不一致的问题。实验证明该方法优于现有的低光照图像增强
PDF6 months ago
揭示阴影：使用自校准照明进行低光图像增强
通过使用改进的自校准照明方法，我们解决了数字成像中光线不足的问题，增强了昏暗图像的明亮度并通过选择性照明增强保持了显色性。
PDF6 months ago
ClassLIE：面向低光图像增强的结构和光照自适应分类模型
本文提出了一种结合 CNN 和 transformers 的新型框架 ClassLIE，通过综合和区域化的方式对低光图像中的结构和光照信息进行分类和自适应学习，从而显示出更好的增强性能。实验证明，ClassLIE 在五个基准数据集上达到了最
PDF6 months ago
ReCo-Diff: 探索基于 Retinex 的条件策略在扩散模型中用于低光图像增强
提出了一种新的方法 ReCo-Diff，将 Retinex-based 先验作为额外的预处理条件来调节扩散模型的生成能力，进而建立了一种特定于低光图像增强（LLIE）的扩散模型。
PDF6 months ago
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。
PDF7 months ago