CVPR-2020-Semi-Low-Light

从保真到感知质量：低光图像增强的半监督方法（CVPR'2020） ，，，王悦， （TBA） （TBA）（CVPR'2020海报） 抽象的 曝光不足会导致一系列视觉退化，即降低可见度，强烈噪声和偏色等。为解决这些问题，我们提出了一种用于弱光图像增强的新型半监督学习方法。 提出了一种深度递归波段网络（DRBN），以恢复增强的正常光图像和成对的低/正常光图像的线性带表示，然后通过基于另一个可学习的线性变换重新组合给定的波段，从而获得改进的图像。具有未配对数据的感知质量驱动的对抗性学习。 该架构强大而灵活，具有训练成对和非成对数据的优点。 一方面，所提出的网络经过精心设计，可以提取一系列从粗到细的带表示形式，其估计在递归过程中是互惠互利的。 另一方面，在DRBN（递归带学习）的第一阶段中提取的增强图像的带表示形式弥合了配对数据的恢复知识与对真实高质量图像的感知质量偏好之间的差距。 它的第