SIMI：基于位平面分解的低光图像增强自信息挖掘网络
计算机视觉与模式识别
2026-05-11 v1
摘要
恶劣的照明条件显著影响图像质量，为图像编辑和可视化带来重大挑战。许多现有增强方法致力于提出复杂模型，却忽视了低光图像中所包含的内在信息。本文提出了自信息挖掘（Self-Information Mining，SIMI）网络，一种创新的无监督框架，通过位平面分解将低光图像分解为多个组件。我们的方法允许在不依赖外部数据的情况下挖掘内在信息。这不仅加快了模型收敛速度，还提高了性能并降低了计算开销。无监督的性质使该方法具有实际应用价值。在标准基准测试上进行的实验表明，SIMI 实现了最先进的性能。
引用
@article{arxiv.2605.07767,
title = {SIMI: Self-information Mining Network for Low-light Image Enhancement},
author = {Xuanshuo Fu and Lei Kang and Javier Vazquez-Corral},
journal= {arXiv preprint arXiv:2605.07767},
year = {2026}
}