面向真实场景低光面部增强与恢复的物理感知语义引导扩散模型
计算机视觉与模式识别
2026-03-27 v1
摘要
捕获真实场景低光下的人脸图像会受到多种退化影响，包括光照不足、模糊、噪声和可见性低等。现有级联方法常因严重误差累积，而通用联合模型缺乏显式面部先验，难以恢复清晰的人脸结构。本文提出PASDiff框架，通过物理感知语义扩散(Physics-Aware Semantic Diffusion)实现训练自由的低光面部增强与恢复。为实现合理的光照和色彩分布，本文利用逆强度加权和Retinex理论引入光度约束，可靠地恢复可见性和自然色度。为忠实重建人脸细节，PASDiff中的Style-Agnostic Structural Injection(SASI)从成熟的人脸先验中提取结构，同时过滤其内在的光度偏见，无缝融合身份特征与物理约束。此外，我们构建了WildDark-Face数据集，包含700张真实场景低光人脸图像，涉及复杂退化。广泛的实验表明，PASDiff显著优于现有方法，在自然光照、色彩恢复和身份一致性之间实现了卓越的平衡。
引用
@article{arxiv.2603.24969,
title = {PASDiff: Physics-Aware Semantic Guidance for Joint Real-world Low-Light Face Enhancement and Restoration},
author = {Yilin Ni and Wenjie Li and Zhengxue Wang and Juncheng Li and Guangwei Gao and Jian Yang},
journal= {arXiv preprint arXiv:2603.24969},
year = {2026}
}