基于联合全局-局部照明调整的自适应低光增强
计算机视觉与模式识别
2025-04-02 v1 多媒体
摘要
受真实世界低光条件影响的图像面临显著挑战，现有端到端方法难以将低动态范围的图像增强到正常曝光水平。为此，我们提出了一种新颖的亮度自适应增强框架，旨在解决真实世界低光图像中局部曝光不一致的挑战。具体而言，我们提出的框架由两个组件构成：局部对比度增强网络（LCEN）和全局照明引导网络（GIGN）。我们在LCEN中引入早停机制，并设计局部判别模块，该模块能够适应感知图像不同区域的对比度，从而控制具有不同曝光水平的图像块的过早终止增强过程。此外，在GIGN中，我们设计了全局注意力引导模块，通过捕获图像中的长程依赖和上下文信息，有效地建模全局照明，从而显著提高不同区域的亮度。最后，为了协调LCEN和GIGN，我们设计了一种新颖的训练策略以促进训练过程。实验在多个数据集上表明，我们的方法在定量和定性结果方面均优于最先进的算法。
引用
@article{arxiv.2504.00400,
title = {Adaptive Low Light Enhancement via Joint Global-Local Illumination Adjustment},
author = {Haodian Wang and Yaqi Song},
journal= {arXiv preprint arXiv:2504.00400},
year = {2025}
}