1. motivation
（1）低光增强不能处理复杂的场景
（2）需要耗费大量的计算
2.contribution
（1）节省计算
（2）发明了自监督的SCI模块（SCI的核心是引入额外的网络模块（自校准照明）来辅助训练，而不是用于测试）
3. Network
整个结构分为两部分：Self-Calibrated Module（自校正模块）和 Illumination Eastimation（照明估计模块），其中的自校正模块是一个辅助作用模块，用来减轻级联模式的计算负担。
其中
光照估计：
ut：第t阶段的残差------计算残差的方式可以极大的减少计算量和保持稳定，尤其对于曝光控制会有很好的能力。
（感觉就是ResNet思想，在这里的作用就是通过级联网络的形式每个阶段学习一点光照量，最终把整个的光照量学习到。）
Xt：第t阶段的光照
Hθ：光照估计网络，并且Hθ与阶段数无关，即在每一阶段光照估计网络均保持结构与参数共享状态
Self-Calibrated Module：作用使每个阶段的结果收敛到同一状态
4、损失
保真度损失Lf和平滑损失Ls；α和β是两个平衡参数：
保真度损失：用的是nn.MSELoss()
