这是2019年BMVC的一篇论文，这里简要了解一下。这里核心思想提取不同级别的特征进入不同的子网络进行增强，最后进行合并，因为不同的level具有不同的feature，所以很难通过一个网络去将图像中的降质问题学的很好。我的理解是这里通过不同的网络从不同的特征获得不同的恢复结果，它们之间相互补充，从而获得更好的结果（类似于分解-合并的思路）。
论文提出的网络包括特征提取模块，增强模块和融合模块，如下所示:
特征提取模块包括10个特征层，每层提取的feature通过一个增强模块网络进行转换，增强网络是一个编解码网络，最后各个增强网络生成的三通道图concat在一起转换成三通道输出图。
对于loss，这里包括一个SSIM loss，一个VGG的loss，以及一个区域loss，这里说一下最后这个loss，其将图像分成暗亮两个区域，划分百分之40的区域为暗区域，然后对两个区域分别和GT对应的部分做L1 loss，具体可以参考论文。