面向移动设备的最轻级低光图像增强架构
计算机视觉与模式识别
2026-05-12 v3
摘要
在移动和嵌入式设备上实现实时低光图像增强需要在视觉质量和计算效率之间进行平衡。现有的深度学习方法常依赖大型网络和标注数据集，限制了其在资源受限平台上的部署。本文提出了 LiteIE—a 一个超轻量级无监督增强框架，消除对大规模监督的依赖，并在多样化条件下具有良好的泛化能力。我们设计了一个无主体结构的特征提取器，仅包含两个卷积层，以产生紧凑的图像特征增强张量。此外，我们开发了无参数的迭代恢复模块，该模块复用提取的特征，逐步恢复早期增强步骤中丢失的细节，而无需引入任何额外的可学习参数。我们进一步提出了一个无监督训练目标，集成曝光控制、边缘感知平滑和多尺度颜色一致性损失。在 LOL 数据集上的实验表明，LiteIE 达到了 19.04 dB PSNR，超越 SOTA 1.4 dB，仅使用其参数的 0.07%。在 Snapdragon 8 Gen 3 移动处理器上，LiteIE 可实现 4K 图像 30 FPS，仅需 58 个参数，使其能够在边缘设备上实现实时部署。这些结果表明 LiteIE 是资源受限平台上低光增强的高效且实用的解决方案。
引用
@article{arxiv.2507.04277,
title = {Towards Lightest Low-Light Image Enhancement Architecture for Mobile Devices},
author = {Guangrui Bai and Hailong Yan and Wenhai Liu and Yahui Deng and Erbao Dong},
journal= {arXiv preprint arXiv:2507.04277},
year = {2026}
}
备注
Accepted by ESWA