学习多尺度照片曝光校正

Mahmoud Afifi^1,2, Konstantinos G. Derpanis¹, Björn Ommer³, 和 Michael S. Brown¹

¹三星人工智能中心（SAIC）- 多伦多    ²约克大学    ³海德堡大学

论文学习多尺度照片曝光校正的项目页面。作者：Mahmoud Afifi、Konstantinos G. Derpanis、Björn Ommer 和 Michael S. Brown。发表于 CVPR 2021。如果您使用此代码或我们的数据集，请引用我们的论文：

@inproceedings{afifi2021learning,
  title={Learning Multi-Scale Photo Exposure Correction},
  author={Afifi, Mahmoud and Derpanis, Konstantinos G, and Ommer, Bj{\"o}rn and Brown, Michael S},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  year={2021}
}

数据集

请从以下链接下载我们的数据集： 训练 (镜像) | 验证 (镜像) | 测试 (镜像) | 我们的结果

由于该数据集最初是基于 MIT-Adobe FiveK 数据集中的原始图像渲染而成，因此我们的数据集遵循 MIT-Adobe FiveK 数据集的原始许可协议。

代码

前提条件

1. Matlab 2019b 或更高版本（已在 Matlab 2019b 上测试）
2. 深度学习工具箱

开始使用

运行 install_.m

演示：

1. 运行 demo_single_image.m 或 demo_image_directory.m 分别处理单张图片或图片目录。如果运行 demo_single_image.m，它应该将结果保存在 ../result_images 中，并输出如下图：

2. 运行 demo_GUI.m 进行 GUI 演示。

我们提供了一种交互式控制输出结果的方法，即在将每一层拉普拉斯金字塔输入网络之前对其进行缩放。这可以通过 demo_single_image.m 或 demo_image_directory.m 中的 S 变量，或者通过 GUI 演示来控制。S 向量中的每个缩放因子都会乘以对应的金字塔层级。

额外的后处理选项包括融合和直方图调整，可以在 demo_single_image.m 或 demo_image_directory.m 中分别通过 fusion 和 pp 变量来启用。这些选项也在 GUI 演示中可用。请注意，在论文中生成我们的结果时并未使用 fusion 和 pp 选项，但在某些情况下它们可以提高结果质量，如下所示。

训练：

我们端到端地训练模型，以最小化重建损失、拉普拉斯金字塔损失和对抗损失。我们在随机提取的不同尺寸的训练图像补丁上训练模型。首先我们在 128×128 像素的补丁上进行训练，然后继续在 256×256 的补丁上训练，最后在 512×512 的补丁上训练。

在开始之前，运行 src/patches_extraction.m 来提取不同尺寸的随机补丁——在运行代码前请调整训练/验证图像目录。在给定的代码中，数据集应位于根目录下的 exposure_dataset 文件夹中。exposure_dataset 应包含以下目录：

- exposure_dataset/
         training/
              INPUT_IMAGES/
              GT_IMAGES/
         validation/
              INPUT_IMAGES/
              GT_IMAGES/

src/patches_extraction.m 将为每张图像及其对应的真值创建不同分辨率的补丁子目录，如下所示。

提取训练补丁后，运行 main_training.m 开始训练——在运行代码前请调整训练/验证图像目录。所有训练选项都在 main_training.m 中提供。

结果

本软件仅用于研究目的，不得用于商业用途。

维护者：Mahmoud Afifi (m.3afifi@gmail.com)

相关研究项目

• 深度白平衡编辑: 一种用于白平衡编辑的深度学习多任务框架（CVPR 2020）。

Exposure_Correction 快速上手指南

本项目基于论文《Learning Multi-Scale Photo Exposure Correction》（CVPR 2021），旨在利用深度学习技术对照片进行多尺度曝光校正。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：支持 MATLAB 的平台（Windows / macOS / Linux）。
• 核心软件：MATLAB 2019b 或更高版本（已在 2019b 上测试通过）。
• 必要工具箱：必须安装 Deep Learning Toolbox。

安装步骤

1. 克隆或下载本项目的源代码到本地目录。
2. 打开 MATLAB，将当前工作目录切换至项目根目录。
3. 运行安装脚本以配置路径：

   install_.m
   

基本使用

1. 单张图片或文件夹处理（推荐）

您可以直接运行演示脚本来处理单张图片或整个文件夹中的图片。

• 处理单张图片：

  demo_single_image.m
  

  运行后，结果将保存在 ../result_images 目录下，并自动弹出对比图。

• 处理文件夹中的所有图片：

  demo_image_directory.m
  

进阶控制： 在上述脚本中，您可以通过修改 S 变量来交互式地控制拉普拉斯金字塔每一层的缩放比例，从而微调输出效果。此外，设置 fusion 和 pp 变量为 true 可分别启用图像融合和直方图调整后处理选项（注：论文原始结果未使用这些选项，但在某些场景下可提升质量）。

2. 图形界面 (GUI) 模式

如果您更喜欢可视化操作，可以运行 GUI 演示：

demo_GUI.m

该界面允许您加载图片，并实时调整各层参数以查看校正效果。

---

注意：本软件仅供学术研究使用，严禁用于商业目的。如需引用，请参考原论文。