基于高分辨率真实数据集的事件-照明协作低光图像增强
计算机视觉与模式识别
2026-05-22 v1
摘要
事件基低光图像增强 (LIE) 方法主要关注整合来自事件的高动态范围 (HDR) 信息，同时忽视图像中全局照明以及事件信号在真实场景下的固有噪声敏感性。为此，我们提出 EIC-LIE，一种事件-照明协作 LIE 框架。具体而言，我们首先设计了事件-照明协作交互 (EICI) 模块，其中包含两个关键过程：前向收集，用于在不同照明条件下收集 HDR 特征；后向注入，为照明和事件表示提供互补内容。接下来，我们引入基于亮度统计从图像中动态减少事件噪声的 Illumination-aware Event Filter (IAEF)。此外，我们构建了一个基于光束分离器的混合成像系统，用于从动态场景中收集具有时间同步的高质量事件-图像对，提供了首个高分辨率、真实的基于事件的 LIE 数据集。广泛的实验表明，EIC-LIE 在五个真实和合成数据集上超越了最先进的方法，在 PSNR 上提升最高可达 1.24 dB，在 SSIM 上提升最高可达 0.069。代码和数据集已发布于 https://github.com/QUEAHREN/EIC-LIE。
引用
@article{arxiv.2605.22186,
title = {Event-Illumination Collaborative Low-light Image Enhancement with a High-resolution Real-world Dataset},
author = {Senyan Xu and Zhijing Sun and Kean Liu and Xin Lu and Ruixuan Jiang and Mingyang Huang and Xueyang Fu and Zheng-Jun Zha},
journal= {arXiv preprint arXiv:2605.22186},
year = {2026}
}