LLFormer 论文阅读笔记

Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and Transformer-Based Method

• 这是南京大学在AAAI 2023发表的一篇AAAI2023 超高清图像暗图增强的工作。提出了一个超高清暗图增强数据集，提供了4K和8K的图片，同时提出了一个可用于暗图增强的transformer网络结构。
• 数据集4K的有5999对训练和2100对测试。
• 提出了一个称为LLFormer的网络结构，使用axis-based self-attention和dual gated mehcanism。
  
• axis-based transformer block其实就是先对行向量之间做注意力，再对列向量间做注意力，可以把时间复杂度从$W\times H$变成$W+H$
• dual gated attention block 是如下公式，其中$\varphi$是GELU
• 而Cross-layer Attention Fusion Block如下：
  
• 在自己数据集上的实验结果：
  
• 在LOL和fivek上的实验结果：
  
• 新的数据集和benchmark挺好的，新方法就一般，堆网络，也没有针对LLIE做出什么特殊的设计