Melhoria de Imagens em Baixa Luminosidade com Atenção Utilizando CNN Leve

A melhoria de imagens em baixa luminosidade é uma tarefa importante em visão computacional que visa aprimorar a visibilidade e preservar detalhes críticos em imagens capturadas sob condições de iluminação precárias. No artigo base, um método baseado em CNN usando uma arquitetura simples de codificador-decodificador é empregado para melhoria de imagens. Embora essa abordagem aumente efetivamente o brilho geral, apresenta várias limitações. O modelo trata todos os pixels igualmente, sem priorizar regiões importantes, carece de um mecanismo de atenção para focar em características semanticamente significativas, como rostos ou textos, e tem dificuldade em generalizar efetivamente em diferentes condições reais de iluminação. Para superar essas limitações, este trabalho propõe um modelo aprimorado de Melhoria de Imagem em Baixa Luminosidade (LLIE) que integra o Módulo de Atenção por Bloco Convolucional (CBAM) na rede codificador-decodificador. O CBAM introduz tanto Atenção de Canal, que prioriza canais de características importantes, quanto Atenção Espacial, que foca a melhoria em regiões-chave da imagem. Ao incorporar esses mecanismos de atenção, o modelo proposto melhora o brilho e a clareza enquanto preserva detalhes estruturais e características importantes. Como resultado, o sistema aprimorado produz imagens de maior qualidade visual e torna-se mais adequado para aplicações práticas, como sistemas de vigilância, fotografia digital e aplicações visuais móveis.