基于双向图像-事件引导的低光图像增强融合框架
计算机视觉与模式识别
2025-11-11 v2
摘要
在极端低光条件下，基于帧的摄像机因动态范围有限导致细节严重丢失。近期研究引入事件相机进行事件引导的低光图像增强。然而，现有方法常忽视因动态照明变化和事件稀疏性导致的闪烁伪影和结构连续性问题。为此，我们提出BiLIE（Bidirectional image-event guided fusion framework for Low-Light Image Enhancement），实现两种模态之间的相互引导和互补增强。首先，为突出边缘细节，我们开发了动态自适应滤波增强（DAFE）模块，对事件表示执行自适应高通滤波，以抑制闪烁伪影并在不同照明条件下保留高频信息。随后，我们设计了双向引导感知融合（BGAF）机制，通过两阶段注意力机制实现从图像到事件的断点感知恢复和从事件到图像的结构感知增强，建立跨模态一致性，从而产生清晰、平滑且结构完整的融合表示。此外，鉴于现有数据集存在 ground-truth保真度和颜色准确性不足的问题，我们通过可靠的ground truth细化方案构建了高质量的低光图像-事件数据集（RELIE）。大量实验表明，我们的方法在RELIE和LIE数据集上均优于现有方法。值得注意的是，在RELIE上，BiLIE在PSNR上超过最新技术0.81dB，并在边缘恢复、颜色保真和噪声抑制方面显示出显著优势。
引用
@article{arxiv.2506.06120,
title = {Bidirectional Image-Event Guided Fusion Framework for Low-Light Image Enhancement},
author = {Zhanwen Liu and Huanna Song and Yang Wang and Nan Yang and Weiping Ding and Yisheng An},
journal= {arXiv preprint arXiv:2506.06120},
year = {2025}
}