RL-AWB：用于低光照夜间场景自动白平衡校正的深度强化学习
计算机视觉与模式识别
2026-04-07 v2
摘要
由于低光照噪声和复杂的照明条件，夜间颜色恒常性在计算摄影中仍然是一个具有挑战性的问题。我们提出了 RL-AWB，一种将统计方法与深度强化学习相结合的夜间白平衡新框架。我们的方法始于一种针对夜间场景定制的统计算法，将显著灰度像素检测与新颖的照明估计相结合。在此基础之上，我们开发了首个用于颜色恒常性的深度强化学习方法，该方法以该统计算法为核心，通过动态优化每张图像的参数来模仿专业的 AWB 调校专家。为了促进跨传感器评估，我们引入了首个多传感器夜间数据集。实验结果表明，我们的方法在低光照和照明良好的图像上均实现了卓越的泛化能力。项目页面：https://ntuneillee.github.io/research/rl-awb/
引用
@article{arxiv.2601.05249,
title = {RL-AWB: Deep Reinforcement Learning for Auto White Balance Correction in Low-Light Night-time Scenes},
author = {Yuan-Kang Lee and Kuan-Lin Chen and Chia-Che Chang and Yu-Lun Liu},
journal= {arXiv preprint arXiv:2601.05249},
year = {2026}
}
备注
Project page: https://ntuneillee.github.io/research/rl-awb/