ERIENet：面向低光环境下的高效 RAW 图像增强网络
计算机视觉与模式识别
2025-12-18 v1
摘要
RAW 图像在许多图像处理任务中显示出优于 sRGB 图像的性能，尤其是在低光图像增强方面。然而，现有大多数基于 RAW 的低光增强方法通常顺序处理多尺度信息，难以实现轻量级模型和高处理速度。此外，这些方法通常忽视了 RAW 图像中绿色通道的优势，无法充分利用绿色通道信息实现更好的重建效果。本文提出一种高效 RAW 图像增强网络（ERIENet），通过高效卷积模块并行处理多尺度信息，并利用绿色通道中的丰富信息引导图像重建。首先，我们引入一种新颖的通道感知残余稠密块，以实现高效的多尺度全并行架构，以提取特征图，从而降低计算成本并实现实时处理速度。其次，我们引入绿色通道引导分支，以利用输入 RAW 图像中绿色通道的丰富信息。该方法仅需少量参数和计算即可提高重建结果的质量。在常用低光图像增强数据集上的实验表明，ERIENet 在提高低光 RAW 图像的效率方面优于最先进的方法。它还能在单张 NVIDIA GeForce RTX 3090（24G 内存）上实现 4K 分辨率图像超过 146 帧/秒的优化处理速度。
引用
@article{arxiv.2512.15186,
title = {ERIENet: An Efficient RAW Image Enhancement Network under Low-Light Environment},
author = {Jianan Wang and Yang Hong and Hesong Li and Tao Wang and Songrong Liu and Ying Fu},
journal= {arXiv preprint arXiv:2512.15186},
year = {2025}
}
备注
5 pages, 4 figures, conference ICVISP