Halbe Wellenleiter-Attention auf M-Net+ für die Verbesserung von dunklen Bildern

Die Verbesserung von Bildern bei geringer Beleuchtung ist eine Aufgabe im Bereich des Computersehens, bei der dunkle Bilder hinsichtlich ihrer Helligkeit verstärkt werden. Sie kann auch als schlecht gestelltes Problem im Bereich der Bildrekonstruktion angesehen werden. Mit dem Erfolg tiefer neuronalen Netzwerke haben sich konvolutionale neuronale Netzwerke den traditionellen, algorithmusbasierten Methoden gegenüber durchgesetzt und sind zur Standardmethode im Bereich des Computersehens geworden. Um die Leistungsfähigkeit von Verbesserungsalgorithmen weiter zu steigern, schlagen wir ein Bildverbesserungsnetzwerk (HWMNet) vor, das auf einem verbesserten hierarchischen Modell, der M-Net+, basiert. Insbesondere integrieren wir einen halben Wellenleiter-Attention-Block in die M-Net+, um die Merkmale aus dem Wellenleiterbereich zu bereichern. Darüber hinaus erzielt unser HWMNet konkurrenzfähige Ergebnisse auf zwei Datensätzen zur Bildverbesserung sowohl hinsichtlich quantitativer Metriken als auch hinsichtlich der visuellen Qualität. Der Quellcode und das vortrainierte Modell sind unter https://github.com/FanChiMao/HWMNet verfügbar.