Zero-DCE 论文阅读笔记

C. Guo et al., “Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement,” 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2020, pp. 1777-1786, doi: 10.1109/CVPR42600.2020.00185.

• 这是CVPR2020的一篇低光照图像质量增强的论文，指标上很高，方法也很新颖

亮度调节公式

• 文章并不直接预测增量后的结果，而是首先设计一个带参数的亮度调整公式，然后用网络来预测这个公式中的参数，公式如下：

• 

• 这是最简单版本的公式，$I(x)$即输入图片（归一化到0-1之间），等式左边为增亮结果，$\alpha$即为亮度调节所需参数，可以将等式除以$I(x)$，得到亮度调整倍数为$1+\alpha (1-I(x))$，即当$\alpha$大于0时，调整倍数为大于1，即为增亮，并且$I(x)$越大倍数越低，也就是说暗的增亮倍数大，亮的增亮倍数小；$\alpha$大于0时，$\alpha$越大，增亮倍数越大。因此这就实现了一个由参数$\alpha$控制的自适应增亮公式

• 然后其实这个公式可以反复应用，也就是说利用这个公式增亮一次后，可以把增亮结果作为输入再来一次，因此得到迭代版本的公式：
  

• 然后如果$\alpha$是pixel-wise的，也就是说对于每个像素点有各自的$\alpha$，网络的预测结果是一个$\alpha$的map而非一个值，就得到最终版本的亮度调节公式：

• 

• 这里还有一个值得注意的点是，对于RGB三个通道，也是有各自的A的，因此，如果迭代次数为8，图像大小为$224\times 224$，那么网络的输出的shape则是$24\times 224\times 224$

网络

• 然后产生预测值$A_n(x)$的网络是一个简单的7层卷积神经网络，并且没有BN和下采样，全部由3x3的32通道卷积和relu激活层组成

loss

• 文章用了四个non-reference的loss：
• Spatial Consistency Loss：衡量的是增亮前后 “每个像素与周边像素之间的差” 的差，个人觉得这个loss是为了维持纹理和内容不变。其中$Y$是增亮后的像素值，$I$是增亮前的输入值，$\Omega$是像素的相邻像素
  
• Exposure Control Loss：E是人为设定的一个常数值，为0.6（文章说0.4-0.7之间都可以，效果变化不大）， $Y_k$是一个patch的均值，将图片分为不相交的patch，然后算每个patch的均值与0.6之间的绝对差，作为一个loss，说是为了抑制过曝和欠曝。
  
• Color Constancy Loss：即对增量结果的RGB三个通道各自的均值之间求差，是希望三个通道的均值尽量一样，也就是说整张图片看起来既不偏红也不偏蓝或绿。
  
• Illumination Smoothness Loss：即TV Loss，约束梯度，使得预测结果尽量平滑
  
• 最终的loss function：
• 

训练

• 鉴于这四个loss并不需要成对或不成对图像，因此是zero-reference的，只要有图就能训练，因此文章用的是现有的图片数据集，细节是当数据集的曝光程度更加多样均衡时，模型效果会更好。

Zero-DCE++

• 在文章的TPAMI版本 “Chongyi Li, Chunle Guo, and Chen Change Loy. Learning to enhance low-light image via zero-reference deep curve estimation. TPAMI, 2021. 3” 中，还提到了模型可以进一步轻量化，主要从三点考虑：

1. 模型换成这个：“F. Chollet, “Xception: Deep learning with depthwise separable convolutions,” in CVPR, 2017, pp. 1251–1258”
2. 8个curve map的差别其实很小，所以 可以只预测一个，用8次就行
3. 本模型对scale不敏感，所以可以把图片downsample后送入网络，生成的curve map再upsample到原图大小进行亮度调整，可以节约计算资源。