RT-X Net：用于低光照图像增强的 RGB-热红外交叉注意力网络
计算机视觉与模式识别
2025-06-03 v1
摘要
在夜间条件下，高噪声水平和明亮光源会降低图像质量，使得低光照图像增强极具挑战性。热红外图像提供了互补信息，能够呈现更丰富的纹理和结构细节。我们提出了 RT-X Net，一种融合 RGB 与热红外图像以进行夜间图像增强的交叉注意力网络。我们利用自注意力网络进行特征提取，并利用交叉注意力机制进行融合，以有效整合来自两种模态的信息。为了支持该领域的研究，我们引入了可见光-热红外图像增强评估（V-TIEE）数据集，包含在不同夜间条件下采集的 50 幅配准的可见光与热红外图像。在公开的 LLVIP 数据集和我们的 V-TIEE 数据集上的广泛评估表明，RT-X Net 在低光照图像增强方面优于现有方法。代码和 V-TIEE 可在此处获取 https://github.com/jhakrraman/rt-xnet。
引用
@article{arxiv.2505.24705,
title = {RT-X Net: RGB-Thermal cross attention network for Low-Light Image Enhancement},
author = {Raman Jha and Adithya Lenka and Mani Ramanagopal and Aswin Sankaranarayanan and Kaushik Mitra},
journal= {arXiv preprint arXiv:2505.24705},
year = {2025}
}
备注
Accepted at ICIP 2025