IllumFlow：基于条件修正流和皮肤理论的亮度自适应低光增强方法
计算机视觉与模式识别
2025-11-05 v1
摘要
我们提出了 IllumFlow，一种新颖的框架，通过将条件修正流（CRF）与皮肤理论相结合，用于低光图像增强（LLIE）。该模型通过独立优化亮度和反射率组件来处理低光增强，有效处理 lighting 变化和噪声。具体而言，我们遵循皮肤理论将输入图像分解为反射率和亮度组件。为建模低光图像中亮度变化的宽动态范围，我们提出了条件修正流框架，将亮度变化表示为连续的流场。虽然复杂噪声主要存在于反射率组件中，但我们引入了一个以流场数据增强为增强的去噪网络，以去除反射率噪声和色差，同时保持颜色保真。IllumFlow 实现了跨 lighting 条件的精确亮度适应，同时自然支持可定制的亮度增强。在低光增强和曝光校正上的大量实验表明，该方法在定量和质量性能方面优于现有方法。
引用
@article{arxiv.2511.02411,
title = {IllumFlow: Illumination-Adaptive Low-Light Enhancement via Conditional Rectified Flow and Retinex Decomposition},
author = {Wenyang Wei and Yang yang and Xixi Jia and Xiangchu Feng and Weiwei Wang and Renzhen Wang},
journal= {arXiv preprint arXiv:2511.02411},
year = {2025}
}