锚定后打磨：低光图像增强
计算机视觉与模式识别
2026-03-17 v1
摘要
低光图像增强因主要包括恶化照明、颜色偏移和纹理干扰等问题而具有挑战性。现有方法通常依赖复杂的体系结构来解决这些问题，但可能过度适应简单的物理约束，导致全局失真。本 work 提出一种 novel 锚定后打磨（ATP）框架，根本上将全局能量对齐与局部细节 refinement 分离。首先，定制化宏观锚定以（大大）稳定亮度分布并通过学习场景自适应投影矩阵（仅包含12个自由度）来纠正颜色，表明简单线性算子可以有效地对齐全局能量。宏观锚定后将任务简化为微观打磨，该方法在矩阵指导下进一步在小波域和色度空间中细化细节。设计受约束的亮度更新策略，以确保全局一致性，同时引导网络集中于细致的打磨。广泛的实验表明，我们的方法在多个基准数据集上实现了最先进的性能，产生视觉上自然且量化上优异的低光增强。
引用
@article{arxiv.2603.15472,
title = {Anchor then Polish for Low-light Enhancement},
author = {Tianle Du and Mingjia Li and Hainuo Wang and Xiaojie Guo},
journal= {arXiv preprint arXiv:2603.15472},
year = {2026}
}