基于时空一致分解的低光照视频增强
计算机视觉与模式识别
2025-07-09 v3
摘要
低光照视频增强(LLVE)旨在恢复受严重不可见性和噪声影响的动态或静态场景。在本文中，我们提出了一种创新的视频分解策略，该策略结合了视角无关和视角相关成分以提升LLVE的性能。我们利用动态的跨帧对应关系来处理视角无关项(主要捕获内在外观)，并对视角相关项(主要描述光照条件)施加场景级连续性约束，以实现一致且令人满意的分解结果。为了进一步确保一致的分解，我们引入了一个具有跨帧交互机制的双结构增强网络。通过同时监督不同帧，该网络鼓励它们表现出匹配的分解特征。该机制可以无缝集成到编码器-解码器单帧网络中，仅带来极小的额外参数成本。我们在广泛认可的LLVE基准上进行了大量实验，涵盖了多种场景。我们的框架持续优于现有方法，建立了新的SOTA性能。
引用
@article{arxiv.2405.15660,
title = {Low-Light Video Enhancement via Spatial-Temporal Consistent Decomposition},
author = {Xiaogang Xu and Kun Zhou and Tao Hu and Jiafei Wu and Ruixing Wang and Hao Peng and Bei Yu},
journal= {arXiv preprint arXiv:2405.15660},
year = {2025}
}
备注
IJCAI2025, code link: https://github.com/xiaogang00/LLVE_STCD