EnlightenGAN: Deep Light Enhancement without Paired Supervision论文解读
Motivation and introduction
最近在xiajiba看一些论文，看到了关于低光图像增强的无监督学习的一篇论文。如题。
作者题目起的非常低调，大概表达的意思是做了一件事情，之后论文的故事讲的也非常好。
作者在introduction中介绍了现有的一些方法，以及这些方法都是基于paired training。但是paired training
会遇到一些问题，比如
- 对于同一个场景，很难去同时拍摄低光图像和亮光图像（注意，低光图像和亮光图像是一个paired，在以往的方法都是需要的）
- 有些方法是通过合成得到的有损的图像（有雨的，低光的等），但是通过合成数据来制造pair的方法和真实的图片相差甚远
- 尤其是对于低光图像而言，没有一个统一的标准来衡量究竟是增强到多亮才算好。比如傍晚的图像可能是深夜的图像的增强，但是实际上中午的图像也是傍晚的图像的增强。
针对以上问题吧，同时受到一些无监督的图像翻译文章的启发，作者提出了一个轻量级但是非常有效果的单路GAN（说是单路GAN，是相对于cyclegan而言的）
因为缺少paired training data，作者提出了一系列的创新的techniques，比如
- 他们第一次提出了global discriminator以及local discriminator。
- 他们用self-regularized perceptual loss来约束低光和增强之后的图片
- 同时，他们利用低光亮度信息作为特征图的一种attention map，来正则无监督学习
作者实验验证，EnlightenGAN可以很容易增强不同domain的low-light图像
值得一提的是，作者在introduction中介绍了cvpr2019一篇文章，learning to see in the dark.这篇文章非常有意思，和以前做的低光图片增强不同，learning to see in the dark这篇文章提出了一个非常暗的数据集合，以至于单纯的图像亮度调整是不可能的，需要考虑到去噪，以及去马赛克，以后会讲一下这一篇paper
their method
网络图如上，先看G网络，作者用到的生成网络是一个unet256,做了一些稍微的修改是加入了一个attention模块。这个attention模块非常简单，作者的motivation是这样的，对于图像增强这个任务而言，亮的部分，我不希望特别亮，对于暗的部分，我希望能头提亮一些，也就是说我希望网络着重关注于图像中比较暗的部分。所以作者对图像的亮度做了一个减法，就是用\(1-I\)来作为attention map。作者在这里，输入不仅进行了concate，对encoder中的feature用\(1-I\)进行加权，得到的feature map再与decoder中的feature map进行加权。举个例子：
conv7 = F.upsample(conv7, scale_factor=2, mode='bilinear')
conv2 = conv2*gray_2 if self.opt.self_attention else conv2
up8 = torch.cat([self.deconv7(conv7), conv2], 1)
x = self.bn8_1(self.LReLU8_1(self.conv8_1(up8)))
conv8 = self.bn8_2(self.LReLU8_2(self.conv8_2(x)))gray_2是通过resize之后的attention map和encoder中的feature map进行逐元素相乘，相当于是一个attention。
之后网络输出的部分和attention map相乘得到一个残差，这个残差和原图相加，得到最终的亮度图。
这种residual的思想很值得学习，之前在去模糊以及去雨的相关论文中就有这种介绍，学习一个残差比学习一个完整的去完玉之后的图像要压力小的多，尤其是这种对于图像内容更改不大的任务。不仅仅是学习一个残差这种low-level vision中会采用，最近看了一片关于双目深度估计的一篇paper，也是采用类似的思想，学习一个cost volume，之后会讲到
Self Feature Preserving Loss
挑重要的说，作者采用perceptual loss 来保持自己的特征。作者说对vgg网络而言，输入的图像的亮度改变之后，输出的图像的类别变化很小，所以作者在这里说，希望用vgg约束来保持输入的暗的图像和输出的亮的图像的content不变。这样是比较reasonable的，最初的perceptual loss提出来的时候也是用于风格迁移，保持两张图片的content不变，只改变style。但是作者说了这个和很多low-level的任务不一样，比如去雨，去雾这种。这种去雨去雾的都是对于生成器输出的图像和gt之间的feature进行度量，而不是，对g的输入和g的输出之间的距离进行一个度量。我觉得这个loss可能也只能在亮度增强任务中应用，因为亮度的改变vgg feture之间的距离影响不是特别大，perceptual loss具有保内容性。
golbal and local discriminator
作者发现，最初的判别器在光照变化的区域往往会失效，这个时候对于图像的local区域进行判别显得尤为重要。所以在这里作者用了两个discriminator，一个是global的discriminator，一个是local的discriminator，两个discriminator的作用正如标题所言。作者在使用local discriminator的时候输入的图像是随机的patch。
对于global discriminator，作者采用的是relativistic discriminator，这个discriminator貌似很出名的样子，因为deblur-gan v2也使用了这样的一个gan。不过无论怎样，loss越小，都是g或者d的目标。
对于local discriminator，作者使用的是ls-gan。
每个part的作用
作者详细介绍了，local discriminator，attention模块的作用
local discriminator和attention模块的作用都是减少失真和保持颜色一致性的关键part。
实验数据
因为不是unpaired的图像，所以比较好搜集。作者用了914张low light的图像和1016张normal light的图像。所有图像的尺寸resize到600×400。三块卡上训练，三个小时训完。这里想说一句，大部分low-level的任务，数据集合都是比较小的，所以很多开源的代码，都是单卡上跑的， 作者这里用data parallel多卡并行，看了一下batch size是32,训练速度非常快。之前做畸变的时候就苦于gan很难用多卡一起跑，作者开了一个好头。
实验结果
对于无监督的图像生成，很难用定量的评价指标进行评价，作者这里除了做了定性的ablation study之外，对于和sota结果的比较，作者用了两个评价标准，一个是Human Subjective Evaluation，另外一个是NIQE。第一个是人为的去评价图像质量如何，第二个是，一种通用的图像质量评价方法。值得注意的是，作者这里和cycle-gan进行了对比，感觉结果还不错，综合而言。
总的来说，这篇文章值得借鉴的部分还挺多的，第一个是关于无监督学习的一个motivation以及，一种比cycle-gan更轻量级的gan来进行domain的transfer。local以及discriminator的应用，图像质量评价标准的应用。
给自己挖几个坑
- 将一片iccv上的扶正文章看
- 讲一下双目深度估计相关的paper
- 对于see in the dark这一篇文章，写相关的背景介绍
