本文介绍了CVPR 2020年提出的图像低光恢复算法ACE_CDT，该算法通过分解和增强策略，首先处理图像的低频部分，再恢复高频区域细节。模型包括ACE模块用于分离低频和高频信息，以及CDT模块旨在缩小低照度和增强图像之间的特征差距。然而，论文中一些技术细节如残差模块的作用和缩放向量的计算并未明确解释，使得理解模型完全工作原理具有一定挑战。
ACE_CDT
Learning to Restore Low-Light Images via Decomposition-and-Enhancement (CVPR 2020)
算法思想： 从粗糙到精细，学习一个网络将图像分离出低频和高频信息，先对图像的低频区域进行增强、保留颜色等处理，然后基于低频增强结果恢复高频区域的细节。
模型结构如上图，基本的增强结构是
结构
第一阶段：
假设低频区域的增强函数为 C，输入为 图像的 低频区域 I，颜色恢复放大函数为 A，则第一阶段的结果为
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
