基于行列分离注意力的低光图像/视频增强
计算机视觉与模式识别
2026-02-10 v1
摘要
U-Net 结构广泛用于低光图像/视频增强。增强后的图像在缺乏对全局信息引导时会出现大面积局部噪声并丢失更多细节。注意力机制能够更好地关注和利用全局信息。然而，图像注意力显著增加参数数量和计算量。我们提出一种行列分离注意力模块（RCSA），插入改进版 U-Net 后端。RCSA 模块的输入为特征图的行和列的均值和最大值，利用全局信息以更少参数引导局部信息。我们提出两种时序损失函数将该方法应用于低光视频增强并维持时序一致性。在 LOL、MIT Adobe FiveK 图像和 SDSD 视频数据集上进行大量实验表明我们方法的有效性。代码已公开于 https://github.com/cq-dong/URCSA。
引用
@article{arxiv.2602.07428,
title = {Row-Column Separated Attention Based Low-Light Image/Video Enhancement},
author = {Chengqi Dong and Zhiyuan Cao and Tuoshi Qi and Kexin Wu and Yixing Gao and Fan Tang},
journal= {arXiv preprint arXiv:2602.07428},
year = {2026}
}