面向真实低光图像增强的物理驱动攻击与自适应防御框架
计算机视觉与模式识别
2026-03-17 v1
摘要
受限的照明条件常导致图像中严重的物理噪声和细节退化。现有的低光图像增强（LLIE）方法常将增强过程建模为盲箱映射，忽略成像过程中物理噪声的转换，导致性能 suboptimal。为此，我们提出一种新颖的LLIE方法，概念上形式化为物理攻击与显示自适应防御范式。具体而言，在攻击侧，我们构建物理驱动的退化合成（PDS）管线。不同于标准数据增强，PDS显式建模图像信号处理器（ISP）反向映射至RAW域，注入符合物理规律的光子噪声和读出噪声，并将数据重新投影至sRGB域。此过程生成具有显式参数化退化向量的高保真训练对，有效模拟干净信号上的真实攻击。在防御侧，我们构建双层加固系统。噪声预测器从输入sRGB图像中估计退化参数，这些估计值指导退化感知混合专家（DA-MoE），该模型动态将特征路由到专门处理特定噪声强度的专家。此外，我们引入自适应度量防御（AMD）机制，依据噪声严重程度动态校准特征嵌入空间，确保在严重退化下的鲁健表示学习。大量实验表明，我们的方法能显著提升现有基准LLIE方法的即插即用性能，有效抑制真实世界噪声，同时保持结构保真性。源码已公开于 https://github.com/bywlzts/Attack-defense-llie。
引用
@article{arxiv.2603.14304,
title = {A Physically-Grounded Attack and Adaptive Defense Framework for Real-World Low-Light Image Enhancement},
author = {Tongshun Zhang and Pingping Liu and Yuqing Lei and Zixuan Zhong and Qiuzhan Zhou and Zhiyuan Zha},
journal= {arXiv preprint arXiv:2603.14304},
year = {2026}
}