用于低光图像增强的扩散去噪后处理
图像与视频处理
2024-09-10 v2 计算机视觉与模式识别
摘要
低光图像增强（LLIE）技术试图提高低光场景下所捕获图像的可见性。然而，由于增强处理，会显现出诸如噪声与色彩偏差等多种图像退化。此外，每种特定的LLIE方法可能在其增强结果中引入不同形式的缺陷。为对抗这些图像退化，后处理去噪器已被广泛使用，但其常产生缺乏细节的过度平滑结果。我们提出使用扩散模型作为后处理方法，并引入低光后处理扩散模型（LPDM）以建模欠曝光与正常曝光图像间的条件分布。我们以一种避免典型扩散模型计算昂贵的生成式逆向过程的方式应用LPDM，并通过LPDM单次前向传播对图像进行后处理。大量实验表明，我们的方法通过在多种具有挑战性的低光数据集上提升增强低光图像的感知质量，优于竞争的后处理去噪器。源代码见 https://github.com/savvaki/LPDM。
引用
@article{arxiv.2303.09627,
title = {Denoising Diffusion Post-Processing for Low-Light Image Enhancement},
author = {Savvas Panagiotou and Anna S. Bosman},
journal= {arXiv preprint arXiv:2303.09627},
year = {2024}
}