Deep Bilateral Learning RT Image Enhancement

模型结构为:

low resolutioion 图像特征提取

1 low-lever features

如图所示，通过采用n_S个卷积操作（包含4层结构，卷积核尺寸为3\times3，步长设置为2），从低分辨率图像中获取低层次特征S^i，其对应的数学表达式如下：

公式中，I=1,...,n_S 表示各卷积层的编号，c,c' 用于标识卷积层中不同通道的索引。w' 表示卷积核对应的权重矩阵，而 b^i 则代表偏置项。所选用的激活函数 \sigma 为 ReLU 函数，在进行卷积操作时采用了零填充的方式以保持输入输出尺寸一致。

2 Local features path

将低层特征输入至包含n_L=2层的卷积结构中，从而提取出局部特征L^i。在获取语义特征的过程中，n_S+n_L具有重