仅需90K参数！实时完成低光增强，曝光矫正的超轻量级Transformer网络IAT（已开源）

论文链接：https://arxiv.org/abs/2205.14871

代码链接：https://github.com/cuiziteng/Illumination-Adaptive-Transformer

本文提出Illumination-Adaptive-Transformer (IAT)网络，用来探索实时的暗光增强和曝光矫正，以及一系列不良光照场景下的视觉任务（如暗光场景目标检测/ 语义分割）。IAT网络是全监督训练范式，网络总体的参数量仅需90k+，属于超轻量级的实时增强网络（相比近期CVPR 2022的Transformer工作Restormer[1]和MAXIM[2]等），在这篇论文中，我们借鉴了目标检测中的DETR[3] 结构，来帮助我们实现轻量设计。值得一提的是，IAT网络的训练/测试代码都已经公布，非常容易follow，并且暗光场景下语义分割和目标检测的代码也全部公布，可以说是良心满满。

图1 IAT网络结构图