LL-GaussianMap：基于二维高斯泼溅引导增益图的零样本低光图像增强
计算机视觉与模式识别
2026-01-28 v2
摘要
低光图像增强在视觉质量方面已取得显著进展。然而，现有方法大多在像素域操作或依赖隐式特征表示，导致图像固有的几何结构先验常被忽略。二维高斯泼溅（2DGS）作为一种突出的显式场景表示技术，具有优越的结构拟合能力和高渲染效率。尽管有这些优势，2DGS在低级视觉任务中的应用仍未被探索。为填补这一空白，我们提出LL-GaussianMap，这是首个将2DGS融入低光图像增强的无监督框架。与传统方法不同，该增强任务被形式化为由2DGS基元引导的增益图生成过程。所提方法包含两个主要阶段。首先，利用2DGS执行高保真结构重建。然后，通过一个创新的统一增强模块，借助高斯泼溅的光栅化机制渲染数据驱动的增强字典系数。该设计有效地将2DGS的结构感知能力融入增益图生成，从而在增强过程中保留边缘并抑制伪影。此外，通过无监督学习规避了对配对数据的依赖。实验结果表明，LL-GaussianMap以极低的存储占用实现了优越的增强性能，凸显了显式高斯表示在图像增强中的有效性。
引用
@article{arxiv.2601.15766,
title = {LL-GaussianMap: Zero-shot Low-Light Image Enhancement via 2D Gaussian Splatting Guided Gain Maps},
author = {Yuhan Chen and Ying Fang and Guofa Li and Wenxuan Yu and Yicui Shi and Jingrui Zhang and Kefei Qian and Wenbo Chu and Keqiang Li},
journal= {arXiv preprint arXiv:2601.15766},
year = {2026}
}