Zero-DCE是发表在CVPR会议上的。之后,Zero-DCE的拓展版Zero-DCE++发到了TPAMI期刊上。期刊版版面足够,原论文中一些来不及讲清的地方(比如空间一致误差)在期刊版中都有更详尽的说明。大家如果想读论文,建议直接读期刊版本的。论文层层递进,逻辑非常清楚,非常适合从头到尾读一遍。 Zero-DCE++在方法上主要是对性能上...
Zero-DCE论文解读 Zero-DCE论⽂解读 Zero-DCE github:paper:⼀、创新点 我们提出了第⼀个⽴于成对和不成对的训练数据的弱光增强⽹络，从⽽避免了过度拟合的风险。因此，我们的⽅法可以很好地推⼴到各种光照条件。设计了⼀个特定于图像的曲线，该曲线能够通过迭代应⽤⾃⾝来近似像素级和⾼阶...
从(d)中可以看出,移除曝光数据后,Zero-DCE都会过度曝光那些well-lit区域(例如脸部);从(e)中可以看出,使用更多的多重曝光的训练数据,Zero-DCE对黑暗区域的恢复效果会更好。2. Benchmark Evaluations1. Visual and Perceptual Comparison在多个数据集(NPE LIME MEF DICM VV以及SICE的Part2)上与目前SOAT的方法进行...