GT-Mean Loss：一种解决低光图像增强中亮度不匹配的简单而有效的方法
计算机视觉与模式识别
2025-07-29 v1
摘要
低光图像增强（LLIE）旨在改善在恶劣照明条件下捕获的图像的视觉质量。在监督式LLIE研究中，增强后图像整体亮度与其真实值 counterparts 之间存在着显著且常被忽视的不一致，本研究将其称为亮度不匹配。亮度不匹配会扭曲监督式LLIE模型的训练。然而，此问题在当前研究中基本被忽视。在此背景下，本文提出GT-mean loss，这是一种从概率视角直接建模图像均值的简单而有效的损失函数。GT-mean loss具有灵活性，因为它以最小额外计算成本将现有的监督式LLIE损失函数扩展为GT-mean形式。广泛的实验表明，引入GT-mean loss的结果在各种方法和数据集上都能实现一致的性能提升。
引用
@article{arxiv.2507.20148,
title = {GT-Mean Loss: A Simple Yet Effective Solution for Brightness Mismatch in Low-Light Image Enhancement},
author = {Jingxi Liao and Shijie Hao and Richang Hong and Meng Wang},
journal= {arXiv preprint arXiv:2507.20148},
year = {2025}
}
备注
Accepted to ICCV2025. GitHub repository: https://github.com/jingxiLiao/GT-mean-loss