Transformer低光增强

Transformer低光增强是指使用Transformer网络进行低光图像增强的方法。在这个方法中，通过训练一个全监督的Illumination-Adaptive-Transformer (IAT)网络，可以实时完成暗光增强和曝光矫正。这个网络的参数数量非常小，只需要90k+，属于超轻量级的实时增强网络。相比之前的Transformer工作SWIN-IR和Restormer等，这个方法在低光图像增强方面表现出更好的效果。\[1\]

这个方法的研究综述文章还提到了其他关于低光图像增强的方法和挑战。文章从数据集、网络架构、损失函数和学习机制等不同角度对低光图像增强进行了系统性的总结，并提出了一个大尺度低光图像数据集用于评估不同方法的泛化性和鲁棒性。同时，文章还讨论了低光图像增强领域存在的挑战以及未来的研究方向。\[2\]

根据LoLi-Phone数据集上的效果对比，可以看到Transformer低光增强方法在改进亮度和移除噪声方面并不是非常有效。而其他方法如Retinex-Net、MBLLEN和DRBN则可能会生成明显的伪影。然而，在增强输入图像的亮度方面，MBLLEN和RRDNet取得了视觉友好的增强效果，且没有色片、伪影以及欠曝或过曝的问题。\[3\]
#### 引用[.reference_title]
- *1* [IAT：实时完成暗光增强, 曝光矫正的超轻量级Transformer网络](https://blog.csdn.net/qq_29462849/article/details/125670044)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [综述：深度学习时代的低光图像增强最全综述，附带最新提出的大尺度低光图像数据集、在线评估平台](https://blog.csdn.net/huohu728/article/details/116277533)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]