最近想搞深度学习玩玩，发现18cvpr的这个文章，它的效果在极暗图像增强这一块的增强效果简直是匪夷所思的，丧心病狂。
它的思路是将相机的raw原始格式图像扔进网络里面训练，首先现将图像通过类似于降采样的方式分成四层，扔进U-net，得到12层图像，通过拼接，类似于上采样，得到一张三层的图像，也就是输出图像，不过有点令人疑惑的是，它代码中好像有类似于像素的膨胀，虽然可以理解为512x512x4=1024×1024，最后得到的是1024x1024x3
它能够尽可能多的保留一些在极暗环境下的细节，相对的在一定程度上降低了训练的难度；当然，坏处就是被限制了传感器，意味着只能够在相应品牌的传感器上使用，但是，最近比较多的好像有一个统一的.DNG标准，如果换该数据集可能普适性还是比较强的。它还有一个令人失望的缺点是会造成色彩偏移，而且在测试的时候发现目测还是挺严重的。
过段时间再把备注的代码po上来把，感谢大大提供的数据集。
论文： http://openaccess.thecvf.com/content_cvpr_2018/papers/Chen_Learning_to_See_CVPR_2018_paper.pdf
代码： https://github.com/cchen156/Learning-to-See-in-the-Dark