GC-ART：用于 Illumination Robustness 的全局可学习二阶有理色调曲线
计算机视觉与模式识别
2026-05-11 v1
摘要
我们介绍了 GC-ART(全局曲线自适应有理色调映射)，一种用于 robust image classification 的轻量级可微分预处理模块。GC-ART 从每个通道的软直方图预测一个 endpoint-pinned 有理色调曲线，然后在分类器之前对其进行逐点应用。该模块使用交叉熵和软单调性惩罚进行 end-to-end 训练。在 CIFAR-10 上使用 CIFAR 风格的 ResNet-18，GC-ART 匹配 unenhanced baseline 和其他 learned enhancer 的干净准确度，在乘性暗化情况下优于 baseline，并在对比度损坏(48.45% vs. baseline 的 46.27% 和 Zero-DCE++ 的 47.13%)中实现最佳 learned-method 结果。这些结果表明，直方图条件化的有理曲线可以学习有用的全局色调校正，包括 contrast-expanding 行为，同时通过逐点映射保留边缘位置。GC-ART 还比基于卷积的 learned enhancer 在 32x32 上的 FLOPs 数量大幅减少。当前的超参数未经调优，仍留有系统性改进的余地。
引用
@article{arxiv.2605.07329,
title = {GC-ART: Global Learnable Second-Order Rational Tone Curves for Illumination Robustness},
author = {Wei Huang and Joyce Huang},
journal= {arXiv preprint arXiv:2605.07329},
year = {2026}
}