#低光照图像增强

Retinexformer是一个低光照图像增强项目，支持超过15个基准测试和超高分辨率图像（最高4000x6000）。该项目在NTIRE 2024挑战中获得第二名，提供代码、预训练模型和训练日志。Retinexformer框架支持分布式数据并行和混合精度训练，自适应分割测试策略显著提升模型性能。

PyDiff项目利用金字塔扩散模型技术增强低光照图像。在LOL数据集上，其PSNR达27.09，SSIM为0.93，展现出优异性能。项目开源了训练和测试代码，支持多GPU训练，并可用于自定义低级任务数据集。PyDiff为低光照图像增强研究提供了有力工具。

该研究全面综述了低光照图像和视频增强(LLIE)技术，提出SICE_Grad和SICE_Mix数据集用于复杂混合曝光场景，引入Night Wenzhou视频数据集包含航拍和街景。研究梳理LLIE发展历程，系统分类各种方法，提供基准数据集和评估指标，为研究者提供重要参考。

Diffusion-Low-Light是一个发表于Siggraph Asia 2023的开源项目，提出了基于小波扩散模型的低光照图像增强方法。该方法在LOLv1、LOLv2和LSRW等多个数据集上表现优异，与现有技术相比效果显著。项目提供预训练模型、代码和详细实施指南，在保持图像细节和自然度方面表现出色，为低光照图像处理领域带来了创新解决方案。

KinD++是一个开源的低光照图像增强项目，基于TensorFlow实现。其核心创新在于引入多尺度照明注意力模块(MSIA)，有效减少了非均匀斑点和过度平滑等视觉缺陷。项目提供完整的训练测试代码，兼容TensorFlow 2.0，并附带预训练模型。KinD++在多个标准数据集上表现优异，为低光照图像增强研究提供了新思路。