文章目录前言一、基本原理1.1Retinex理论。1.2Transformer算法。二、论文内容1.网络结构1.1单阶段Retinex理论框架（One-stageRetinex-basedFramework）1.2illuminationestimator1.3光照引导的Transformer（Illumination-GuidedTransformer，IGT）实验结果个人看法总结前言本文试图从原理和代码简单介绍低照度增强领域中比较新的一篇论文——Retinexformer，其效果不错，刷新了十三大暗光增强效果榜单。❗论文名称：Retinexformer:One-stageRetinex-b

Retinexformer:One-stageRetinex-basedTransformerforLow-lightImageEnhancement清华大学、维尔兹堡大学和苏黎世联邦理工学院在ICCV2023的一篇transformer做暗图增强的工作，开源。文章认为，Retinex的I=R⊙LI=R\odotLI=R⊙L假设干净的R和L，但实际上由于噪声，并不干净，所以分别为L和R添加干扰项，把公式改成如下：本文采用先预测L‾\overlineLL再使用I⊙L‾I\odot\overlineLI⊙L来预测增强结果的retinex范式。结合上面公式可以得到：其中第一项是因为假设L⊙L‾=1L