【每周CV论文】初学深度学习图像对比度增强应该要读的文章
歡迎來到《每周CV論文》。在這個專欄里，還是本著有三AI一貫的原則，專注于讓大家能夠系統性完成學習，所以我們推薦的文章也必定是同一主題的。
圖像對比度增強，即增強圖像中的有用信息，抑制無用信息，從而改善圖像的視覺效果，今天給大家推薦初學該領域必須要讀的文章。
作者&編輯 | 言有三
1?Fast image processing with FCN
卷積神經網絡模型擁有強大的表達能力，被證明可以直接學會圖像里的很多全局和局部的操作，包括圖像風格遷移、去霧、上色、增加細節等，因此我們可以按照需要學習的類型，準備好相關的成對數據進行學習，而編解碼模型就可以直接使用。
文章引用量：80+
推薦指數：?????
[1] Chen Q, Xu J, Koltun V. Fast image processing with fully-convolutionalnetworks[C]//Proceedings of the IEEE International Conference on ComputerVision. 2017: 2497-2506.
2 Perceptual image enhancement
對比度、色調調整等圖像增強操作的最終目標是為了提高目標圖像的美感，因此我們可以使用美學模型來輔助完成該任務。
文章引用量：10+
推薦指數：?????
[2] Talebi H, Milanfar P. Learned perceptual image enhancement[C]//2018 IEEEInternational Conference on Computational Photography (ICCP). IEEE, 2018: 1-13.
3?Deep Retinex
Retinex理論是一個經典的圖像增強理論，它將圖像建模為反射率(reflectance)和光照(illumination或者 light)的點乘，深度學習模型也可以對其進行學習。
文章引用量：20+
推薦指數：?????
[3] Wei C, Wang W, Yang W, et al. Deep Retinex Decomposition for Low-Light Enhancement.[C]. british machine vision conference, 2018.
4 DSLR GAN
生成對抗網絡在很多經典圖像任務中都被證明有利于提高模型的能力，自然也有研究者使用了生成對抗網絡來改善圖像增強模型的學習。
文章引用量：100+
推薦指數：?????
[4] Ignatov A, Kobyshev N, Timofte R, et al. DSLR-quality photos on mobiledevices with deep convolutional networks[C]//Proceedings of the IEEEInternational Conference on DSLR-quality photos on mobile Computer Vision.2017: 3277-3285.
5?Exposure
一個標準的圖像增強流程其實包含了一系列的操作，如果能夠預測出各個步驟的參數，就可以完成圖像增強。
文章引用量：100+
推薦指數：?????
[5] Gharbi M, Chen J, Barron J T, et al. Deep bilateral learning for real-timeimage enhancement[J]. ACM Transactions on Graphics (TOG), 2017, 36(4): 118.
[6] Hu Y, He H, Xu C, et al. Exposure: A white-box photo post-processing framework[J]. ACM Transactions on Graphics (TOG), 2018, 37(2): 26.
6 應用
圖像對比度增強中一個很大的應用領域就是夜景圖像增強，為了降低噪聲的影響，常會基于RAW格式進行處理。
文章引用量：100+
推薦指數：?????
[7] Chen C, Chen Q, Xu J, et al. Learning to see in the dark[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 3291- 3300.
7 文章解讀
關于圖像增強相關文章的詳細解讀，在有三AI知識星球-網絡結構1000變-圖像增強以及GAN下有較多的文章，感興趣可以移步。
總結
本次我們介紹了初學圖像增強領域值得讀的文章，當前研究重點在于無監督模型，多種退化類型，幅度可控的圖像增強等方向，讀者可以繼續關注。
有三AI知識星球
知識星球是有三AI的付費內容社區，里面包括各領域的模型學習，數據集下載，公眾號的付費圖文原稿，技術總結PPT和視頻，知識問答，書籍下載，項目推薦，線下活動等資源，了解詳細請閱讀以下文章：
【雜談】有三AI知識星球一周年了！為什么公眾號+星球才是完整的？
【雜談】萬萬沒想到，有三還有個保密的‘朋友圈’，那里面都在弄啥！
轉載文章請后臺聯系
侵權必究
往期精選
【每周論文推薦】 初入深度學習CV領域必讀的幾篇文章
【每周CV論文推薦】 掌握殘差網絡必讀的10多篇文章
【每周CV論文推薦】 初學者必須精讀的5篇深度學習優化相關文章
【每周CV論文推薦】 CV領域中數據增強相關的論文推薦
【每周CV論文推薦】 初學高效率CNN模型設計應該讀的文章
【每周CV論文推薦】 初學目標檢測必須要讀的文章
【每周CV論文推薦】 初學深度學習圖像分割必須要讀的文章
【每周CV論文推薦】 初學GAN必須要讀的文章
【每周CV論文推薦】 深度學習人臉檢測入門必讀文章
【每周CV論文推薦】 初學深度學習人臉關鍵點檢測必讀文章
【每周CV論文推薦】 初學深度學習人臉識別和驗證必讀文章
【每周CV論文推薦】 初學深度學習人臉屬性分析必讀的文章
【每周CV論文推薦】 初學活體檢測與偽造人臉檢測必讀的文章
【每周CV論文推薦】 初學深度學習單張圖像三維人臉重建需要讀的文章
【每周CV論文推薦】 人臉識別剩下的難題：從遮擋，年齡，姿態，妝造到親屬關系，人臉攻擊
【每周CV論文推薦】換臉算法都有哪些經典的思路？
【每周CV論文】深度學習文本檢測與識別入門必讀文章
【每周CV論文】深度學習圖像降噪應該從閱讀哪些文章開始
【每周CV論文】初學GAN圖像風格化必須要讀的文章
【每周CV論文】初學深度學習圖像超分辨應該要讀的文章
總結
以上是生活随笔為你收集整理的【每周CV论文】初学深度学习图像对比度增强应该要读的文章的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【杂谈】深度学习之模型设计书看完了完全不
- 下一篇： 【BERT】BERT模型压缩技术概览