LYT-Net开源 | 轻量级YUV Transformer 网络&混合损失函数让低光照条件不复存在

关注「AIWalker」并星标从此AI不迷路来源 | AI视界引擎近年来，基于深度学习的解决方案在图像增强领域取得了成功。本文介绍了LYT-Net，即轻量级YUV Transformer 网络，作为一种新的低光图像增强方法。所提出的架构与传统的基于Retinex的模型不同，它利用YUV颜色空间对亮度（Y）和色度（U和V）的自然分离，简化了在图像中分离光和颜色信息的复杂任务。通过利用 Transformer 捕捉长距离依赖关系的优势，LYT-Net在保持降低模型复杂性的同时，确保了对图像的全面上下文理解。通过采用一种新颖的混合损失函数，LYT-Net在低光图像增强数据集上取得了最先进的结果，同时其体积比其他方法小得多。源代码和预训练模型：https://github.com/albrateanu/LYT-Net1 Introduction低光照图像增强（LLIE）是计算机视觉（CV）领域的一个重要且具有挑战性的任务。在低光照条件下捕获图 ………………………………