qq_53388162的博客

本文从原理和代码介绍低照度增强领域中比较新的一篇论文——Retinexformer，其效果不错，刷新了十三大暗光增强效果榜单。

Fast-ACVNet 是一款高效且精确的立体匹配算法，在 CVPR 2022 上首次亮相，随后在 TPAMI 2023 上发表了扩展版本。该方法旨在在保持高精度的同时，实现实时性能，适用于自动驾驶、机器人视觉等对速度和精度要求较高的场景。

现有的弱光图像增强技术不仅难以兼顾视觉质量和计算效率，而且在未知的复杂场景下往往失效。本文提出了一种新的自校准光照（SCI）学习框架，用于在真实的弱光环境中快速、灵活、鲁棒地对图像进行增亮处理.具体地说，我们建立了一个具有权重共享的级联光照学习过程来处理这个任务。考虑到级联模式的计算量，我们构造了自校准模块，实现了各级结果的收敛，产生了仅使用单个基本块进行推理的增益（在以前的工作中还没有开发过），从而大大降低了计算量。然后定义了无监督训练损失，以提高模型适应一般场景的能力。

ACVNet () 是 2022 年提出的一种立体匹配（Stereo Matching）算法，主要用于计算左右视图之间的视差图（Disparity Map），以便进行深度估计。该算法采用了一种自适应上下文体积（Adaptive Context Volume, ACV）方法，以增强特征表示能力，提高匹配精度，尤其是在低纹理区域和遮挡区域。2. ACVNet 主要网络结构(1) 特征提取（Feature Extraction）ACVNet 使用ResNet 或者轻量级 CNN 结构提取左右视图的特征。