[Siggraph Asia 2023]基于小波扩散模型的低光照图像增强 [论文]。

姜海^1,2，罗奥²，范浩强²，韩松辰¹，刘帅成^3,2

1.四川大学，2.旷视科技，

3.电子科技大学

流程图

依赖项

pip install -r requirements.txt

下载原始训练和评估数据集

成对数据集

LOLv1数据集：Chen Wei, Wenjing Wang, Wenhan Yang, and Jiaying Liu. "Deep Retinex Decomposition for Low-Light Enhancement", BMVC, 2018. [百度网盘（提取码：sdd0）] [Google Drive]

LOLv2数据集：Wenhan Yang, Haofeng Huang, Wenjing Wang, Shiqi Wang, and Jiaying Liu. "Sparse Gradient Regularized Deep Retinex Network for Robust Low-Light Image Enhancement", TIP, 2021. [百度网盘（提取码：l9xm）] [Google Drive]

LSRW数据集：Jiang Hai, Zhu Xuan, Ren Yang, Yutong Hao, Fengzhu Zou, Fang Lin, and Songchen Han. "R2RNet: Low-light Image Enhancement via Real-low to Real-normal Network", Journal of Visual Communication and Image Representation, 2023. [百度网盘（提取码：wmrr）]

非成对数据集

请参考[RetinexNet项目页面]

预训练模型

您可以从[Google Drive]和[百度网盘（提取码：wsw7）]下载我们的预训练模型

如何训练？

您需要根据您的环境稍微修改datasets/dataset.py，然后运行

python train.py  

如何测试？

python evaluate.py

视觉对比

引用

如果您在研究中使用了本代码或论文中的想法，请引用我们的论文：

@article{jiang2023low,
  title={Low-light image enhancement with wavelet-based diffusion models},
  author={Jiang, Hai and Luo, Ao and Fan, Haoqiang and Han, Songchen and Liu, Shuaicheng},
  journal={ACM Transactions on Graphics (TOG)},
  volume={42},
  number={6},
  pages={1--14},
  year={2023}
}

致谢

部分代码改编自以下先前的工作：WeatherDiff，SDWNet和MIMO-UNet。我们感谢所有作者的贡献。