FLOL：面向真实世界低光照增强的快速基线
计算机视觉与模式识别
2026-01-29 v2 机器人学
摘要
低光照图像增强（LLIE）是计算摄影与成像中的一项关键任务。在计算机视觉文献中，对夜间或黑暗环境下捕获图像的增强问题已有充分研究。然而，当前基于深度学习的解决方案在真实世界场景（例如存在噪声、饱和像素的场景）中的效率和鲁棒性方面仍存在困难。我们提出了一种结合频域与空间域图像处理的轻量级神经网络。我们的基线方法 FLOL 是该任务中最快的模型之一，在 LOLv2、LSRW、MIT-5K 和 UHD-LL 等流行的真实世界基准上取得了与 SOTA 相当的结果。此外，我们能够在 12ms 内实时处理 1080p 图像。代码和模型见 https://github.com/cidautai/FLOL
引用
@article{arxiv.2501.09718,
title = {FLOL: Fast Baselines for Real-World Low-Light Enhancement},
author = {Juan C. Benito and Daniel Feijoo and Alvaro Garcia and Marcos V. Conde},
journal= {arXiv preprint arXiv:2501.09718},
year = {2026}
}
备注
Journal Preprint