GTFMN：用于低光图像增强与超分辨率的引导纹理与特征调制网络
计算机视觉与模式识别
2026-01-28 v1
摘要
低光图像超分辨率（LLSR）由于低分辨率和低照度的耦合退化而成为一项具有挑战性的任务。为了解决这个问题，我们提出了引导纹理与特征调制网络（GTFMN），这是一个将 LLSR 任务解耦为两个子问题的新颖框架：光照估计和纹理恢复。首先，我们的网络采用了一个专用的光照流，其目的是预测一个能准确捕获光照分布的空间变化光照图。此外，该光照图在我们新颖的光照引导调制块（IGM 块）中被用作显式引导，以动态调制纹理流中的特征。这种机制实现了空间自适应恢复，使网络能够增强光照不足区域的增强效果，同时保留曝光良好区域的细节。大量实验表明，GTFMN 在 OmniNormal5 和 OmniNormal15 数据集上取得了竞争方法中的最佳性能，在定量指标和视觉质量方面均优于它们。
引用
@article{arxiv.2601.19157,
title = {GTFMN: Guided Texture and Feature Modulation Network for Low-Light Image Enhancement and Super-Resolution},
author = {Yongsong Huang and Tzu-Hsuan Peng and Tomo Miyazaki and Xiaofeng Liu and Chun-Ting Chou and Ai-Chun Pang and Shinichiro Omachi},
journal= {arXiv preprint arXiv:2601.19157},
year = {2026}
}
备注
\c{opyright} 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works