基于冻结生成器的种子优化用于卓越的零样本低光图像增强
计算机视觉与模式识别
2024-02-16 v1
摘要
在本工作中，我们注意到在大规模自然图像上预训练的生成器本身蕴含了针对不同情景的优异低光图像增强潜力。具体而言，我们将预训练生成器嵌入到 Retinex 模型中，以产生增强细节和色彩的反射率图，从而恢复因低光条件导致的特征。进一步地，我们引入一种新颖的优化策略，即对输入种子反向传播梯度，而非低光增强模型的参数，从而完整保留来自自然图像的生成知识并实现更快的收敛速度。凭借预训练知识和种子优化策略，低光增强模型能够显著正规化增强结果的真实性和保真度，从而在无需在任何低光数据集上训练的情况下快速生成高质量图像。在各种基准上的大量实验表明，所提方法在定性和定量上均优于众多最先进的方法。
关键词
引用
@article{arxiv.2402.09694,
title = {Seed Optimization with Frozen Generator for Superior Zero-shot Low-light Enhancement},
author = {Yuxuan Gu and Yi Jin and Ben Wang and Zhixiang Wei and Xiaoxiao Ma and Pengyang Ling and Haoxuan Wang and Huaian Chen and Enhong Chen},
journal= {arXiv preprint arXiv:2402.09694},
year = {2024}
}