2021-07-02 低光增强(low-light image enhacement)论文阅读总结[持续更新]_simple low-light image enhancement based on weber–

EnlightenGAN: Deep Light Enhancement without Paired Supervision

1. 第一个不需要label的方法，只需要一堆低光图片集和正常图片集，放宽了限制，在一定程度上这个框架更容易推广到真实场景中（真实场景很难有label）。
2. 使用GAN来代替label进行监督，每次拿出一张低光图片和正常图片送到判别器中，这里有点不同的是判别器不单要判断真假，还要量化正常图片比低光图片真实的程度（一个叫做relativistic discriminator structure的东西）。此外还设计了局部patch的gan，出发点是一张图片不同区域需要增强的幅度都不同，local gan可以保证每个局部区域都被考虑到。
3. 如何保证增强前后图像的content不变？拿在imageNet预训练好的VGG来衡量content，即增强前后VGG提的feature差异加入loss项。
4. 引入了attention机制，这个attention map不需要学，直接rgb图像转grayscale即可，但是文章描述的不是很清楚