目录
前言
这周出去参加了一个硕博论坛，并且做了报告，感觉自己还有着很大的努力空间。然后分享一下这周组会讲的这篇文章，感觉A会的文章确实很不一样。
一、基本信息
论文题目：AGLLDiff: Guiding Diffusion Models Towards Unsupervised Training-free Real-world Low-light Image Enhancement
代码链接： https://github.com/LYL1015/AGLLDiff
论文链接：https://dl.acm.org/doi/10.1609/aaai.v39i5.32564
二、Motivation和主要贡献
现实世界LIE中常见的两个主要挑战：
i）失真/干净图像对的集合往往不切实际，有时甚至无法获得;ii）准确建模复杂退化是不容易的
1.引入了一种新范式AGLLDiff(Attribute Guidance Diffusion Framework)，这是一种无需训练且无监督的方法，无需降低先验知识，但对现实低光环境图像增强具有高保真度和通用性；
2.AGLLDiff 足以通过 HQ （High Quality）图像空间中容易得到的属性（曝光度、结构与颜色），引导预训练扩散模型进入可靠的高质量解空间。
三、整体框架
这篇文章就是通过属性gudiance这样的方式作为扩散的条件，并且是利用打分的方式（classifier），可以做到无训练，并且对真实世界的图像效果好，这是一个很吸引人的地方，并且添加了动态调整的策略，就比较合理，美中不足的是它可能推理过程并没有很快。
四、思考
这篇文章会在Introduction部分会有比较直观的解释，就是确实会存在文章要解决的这个问题，会让文章的motivation更加清晰。
总结
希望努力的一切都有回报