JoReS-Diff：扩散模型中用于低光照图像增强的联合 Retinex 与语义先验
计算机视觉与模式识别
2024-07-30 v2
摘要
低光照图像增强（LLIE）通过采用条件扩散模型已取得令人瞩目的性能。尽管某些条件方法取得了成功，但先前的方法可能忽视了充分制定特定任务条件策略的重要性，导致视觉效果次优。在本研究中，我们提出了 JoReS-Diff，这是一种新颖的方法，它将基于 Retinex 和语义的先验作为额外的预处理条件，以调节扩散模型的生成能力。我们首先利用预训练的分解网络生成 Retinex 先验，该先验通过调整网络更新以获得更高质量，并集成到细化网络中，以在特征级和图像级实现基于 Retinex 的条件生成。此外，语义先验是从输入图像中使用现成的语义分割模型提取的，并通过语义注意力层进行整合。通过将基于 Retinex 和语义的先验作为条件，JoReS-Diff 为建立用于 LLIE 及类似图像增强任务的扩散模型提供了独特的视角。大量实验验证了我们方法的合理性和优越性。
引用
@article{arxiv.2312.12826,
title = {JoReS-Diff: Joint Retinex and Semantic Priors in Diffusion Model for Low-light Image Enhancement},
author = {Yuhui Wu and Guoqing Wang and Zhiwen Wang and Yang Yang and Tianyu Li and Malu Zhang and Chongyi Li and Heng Tao Shen},
journal= {arXiv preprint arXiv:2312.12826},
year = {2024}
}
备注
Accepted by ACM MM 2024