基于深度引导的几何感知低光照图像与视频增强
计算机视觉与模式识别
2025-08-25 v2
摘要
低光照增强（Low-Light Enhancement, LLE）旨在提升在低光照条件下拍摄的照片/视频质量。值得注意的是，大多数现有的 LLE 方法并未利用几何建模。我们认为，融入几何信息可以提升 LLE 性能，因为它提供了影响光照条件的场景物理结构洞察。为此，我们提出了一种几何引导的低光照增强细化框架（Geometry-Guided Low-Light Enhancement Refine Framework, GG-LLERF），旨在通过将几何先验整合到特征表示空间中，辅助低光照增强模型学习更优的 LLE 特征。在本文中，我们采用深度先验作为几何表示。我们的方法侧重于使用统一的方法论将深度先验整合到各种 LLE 框架中。该方法论包含两个关键的新颖模块：首先，设计了一个深度感知特征提取模块，用于将深度先验注入图像表示中；其次，构建了具有跨域注意力机制的分层深度引导特征融合模块（Hierarchical Depth-Guided Feature Fusion Module, HDGFFM），该模块在 LLE 模型内将深度感知特征与原始图像特征相结合。我们在公开的低光照图像和视频增强基准上进行了广泛的实验。结果表明，我们设计的框架显著提升了现有的 LLE 方法。
引用
@article{arxiv.2312.15855,
title = {Geometric-Aware Low-Light Image and Video Enhancement via Depth Guidance},
author = {Yingqi Lin and Xiaogang Xu and Jiafei Wu and Yan Han and Zhe Liu},
journal= {arXiv preprint arXiv:2312.15855},
year = {2025}
}
备注
This work has been accepted for publication in the IEEE Transactions on Image Processing