面向真实低光场景的无监督联合去噪与增强方法
计算机视觉与模式识别
2025-03-20 v1 人工智能
图像与视频处理
摘要
真实低光图像常因局部过曝、低亮度、噪声和不均匀照明等复杂退化而受到影响。监督方法易过拟合特定场景，而无监督方法虽具更好的泛化能力，却因缺乏参考图像而难以建模这些退化。为此，我们提出一种面向真实场景的、可解释的、零参考的联合去噪与低光增强框架。该方法基于成对子图像（具有不同照明和噪声水平）构建训练策略，基于物理成像原理和皮肤激光理论。此外，我们利用离散余弦变换（DCT）在 sRGB 空间中进行频域分解，引入隐式引导的混合表示策略，有效分离复杂的复合退化。针对骨干网络设计，我们开发了基于隐式退化表示机制引导的视网膜分解网络。大量实验表明，我们方法的优越性。代码将在 https://github.com/huaqlili/unsupervised-light-enhance-ICLR2025 上提供。
引用
@article{arxiv.2503.14535,
title = {Interpretable Unsupervised Joint Denoising and Enhancement for Real-World low-light Scenarios},
author = {Huaqiu Li and Xiaowan Hu and Haoqian Wang},
journal= {arXiv preprint arXiv:2503.14535},
year = {2025}
}