润色并改写：提出了一个自校准的照明学习模块以保证每个阶段的结果之间的收敛性提高了曝光的稳定性并大大减少了计算负担。定义了无监督训练损失以在自校准模块的影响下约束各阶段的输出并赋予其对不同场景的适应能力。属性分析表明SCI具有操作不敏感的适应性和模型无关的通用性这是现有工作中没有发现的。

我们提出了一个自校准的照明学习模块，旨在确保每个阶段的结果都能收敛，并提高曝光的稳定性，同时还能大大减少计算负担。我们定义了无监督训练损失，并将其应用于自校准模块，约束各个阶段的输出，使其能够适应不同的场景。属性分析表明，SCI具有操作不敏感的适应性和模型无关的通用性，这是现有工作中所没有的。

原文地址: https://www.cveoy.top/t/topic/hp7r 著作权归作者所有。请勿转载和采集!