单阶段信号衰减扩散模型用于低光照图像增强与去噪
计算机视觉与模式识别
2026-04-08 v1
摘要
扩散模型通过正向噪声添加与反向去噪的概率建模在图像恢复方面表现出色，其处理复杂噪声同时保持细节的能力使其非常适合低光照图像增强(LLIE)。主流的基于扩散的 LLIE 方法要么采用两阶段流水线，要么使用辅助校正网络来细化 U-Net 输出，这会割裂增强与去噪之间的内在联系，并因优化目标不一致而导致次优性能。为解决这些问题，我们提出了信号衰减扩散模型(Signal Attenuation Diffusion Model, SADM)，一种将信号衰减机制集成到扩散流水线中的新型扩散过程，使亮度调整与噪声抑制能够在单阶段同时进行。具体而言，信号衰减系数在正向噪声添加过程中模拟低光照退化的固有信号衰减，编码低光照退化的物理先验，以显式引导反向去噪同时优化亮度恢复与噪声抑制，从而消除现有方法所依赖的额外校正模块或分阶段训练。我们通过多尺度金字塔采样验证了设计与去噪扩散隐式模型(DDIM)的一致性，在可解释性、恢复质量与计算效率之间取得了平衡。
引用
@article{arxiv.2604.05727,
title = {Single-Stage Signal Attenuation Diffusion Model for Low-Light Image Enhancement and Denoising},
author = {Ying Liu and Junchao Zhang and Caiyun Wu},
journal= {arXiv preprint arXiv:2604.05727},
year = {2026}
}