一、本文介绍
本文给大家带来的改进机制是轻量级的变换器模型：Illumination Adaptive Transformer (IAT)，用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器（ISP）管道到局部和全局图像组件，从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说，IAT使用注意力查询来表示和调整ISP相关参数，例如颜色校正、伽马校正。模型具有约90k参数和约0.004s的处理速度，能够在低光增强和曝光校正的基准数据集上持续实现优于最新技术（State-of-The-Art, SOTA）的性能，我们将其用于YOLOv10上来改进我们模型的暗光检测能力，同时本文的内容不影响其它的模块改进。
欢迎大家订阅我的专栏一起学习YOLO！
** 专栏回顾：YOLOv10改进系列专栏——本专栏持续复习各种顶会内容——科研必备 **
本文转载自: https://blog.csdn.net/java1314777/article/details/140164511
版权归原作者 Snu77 所有， 如有侵权，请联系我们删除。
版权归原作者 Snu77 所有， 如有侵权，请联系我们删除。