Low-light images enhancement系列：EnlightenGAN:Deep Light Enhancement without Paired Supervision

众所周知，在暗光增强任务中，要获取到适合的成对的暗光/正常曝光训练图像是非常困难的，甚至是不存在唯一的定义良好的正常曝光ground truth图片。如果用正常曝光的图像去合成带噪点的暗光图像作为训练集，很可能导致最终应用在真实世界中的测试出的图片人工伪影严重，泛化性差。
所以作者利用无监督的GAN技术，设计了暗光增强领域中第一个训练数据不成对的无监督网络，称为EnlightenGAN，创新主要在于全局-局部鉴定结构（global-local discriminator structure）、自正则感知loss函数（self-regularized perceptual loss fusion） 和 注意力机制。

EnlightenGAN利用注意力引导的U-Net作为生成器，用双鉴别器（global和local）来平衡全局和局部微光增强。此外，由于缺少ground truth，论文提出了一种自适应的也包含了global和local的perceptual loss来约束微光输入图像与其增强版本之间的特征距离，并与用于训练EnlighttenGAN的adversarial loss一起组成最终的loss，下面详细介绍：