基于混合照明特征的参考引导曝光校正
计算机视觉与模式识别
2026-05-27 v1
摘要
我们提出 HICNet，一种参考引导的曝光校正框架。一个轻量级、内容无关的编码器将每张图像提炼为紧凑的照明嵌入向量，捕获区域亮度、边缘对比度以及更高阶的亮度矩。源图像与其参考图像之间的嵌入差异驱动一个多尺度调制网络，组合 FiLM 基于全局调整与光度通道再平衡，以实现细粒度、照明感知的光谱门控，生成与曝光匹配的输出，同时忠实保留场景细节。跨批次对比损失对照明流形进行排序，增强对多样化光照条件的鲁棒性。在无需ground truth或内在分解的情况下训练，HICNet 在公开基准测试上实现更好的准确率，并对完全未见过的场景表现出良好的泛化能力。
引用
@article{arxiv.2605.26729,
title = {Learning Reference-Guided Exposure Correction with Hybrid Illumination Characteristics},
author = {Hao Ren and Zetong Bi and Zhaoliang Wan and Hui Cheng},
journal= {arXiv preprint arXiv:2605.26729},
year = {2026}
}
备注
ICASSP2026