阅读论文《GLADNet:Low-Light Enhancement Network with Global Awareness》

   这是2018年FG上一个做低光照图像增强的论文，做的很简单，这里简要谈一下。
   论文的基本思想是首先估计出光照图像，但是光照图像是平滑的。为了增加细节，这里将输入图和估计好的光照图concat在一起，然后送到三层网络里重建，结构图如下所示：

   最后论文的loss是L1 loss,值得一提的是这里使用缩放卷积代替反卷积进行上采样消除棋盘效应。实验具体看论文。