基于 Clifford 信息融合的 UHD 低光图像实时增强方法
图像与视频处理
2026-04-13 v1 计算机视觉与模式识别
摘要
考虑到效率因素，超高清（UHD）低光图像恢复极具挑战性。现有基于 Transformer 架构或高维复杂卷积神经网络的方法常因“内存墙”瓶颈，无法在边缘设备上实现毫秒级推理。为此，本文提出一种基于二维欧几里得空间中 Clifford 代数几何特征融合的 novel 实时 UHD 低光增强网络。首先，我们构建四层特征金字塔，分辨率逐渐增加，将输入图像通过高斯模糊核分解为低频和高频结构成分，并采用基于深度可分离卷积的轻量级 U-Net进行双分支特征提取。其次，为解决传统高低频特征融合中的结构信息丢失和伪影问题，我们引入时空感知 Clifford 代数，将特征张量映射到多向量空间（标量、向量、双向量），并利用 Clifford 相似性聚合特征，同时抑制噪声并保留纹理。在重建阶段，网络输出自适应 Gamma 和 Gain 图，依据 Retinex 理论执行受物理约束的非线性亮度调整。结合 FP16 混合精度计算和动态算子融合，我们的方法在单个消费级设备上实现 4K/8K 图像的毫秒级推理，同时在多个恢复指标上超越最先进（SOTA）模型。
引用
@article{arxiv.2604.09321,
title = {UHD Low-Light Image Enhancement via Real-Time Enhancement Methods with Clifford Information Fusion},
author = {Xiaohan Wang and Chen Wu and Dawei Zhao and Guangwei Gao and Dianjie Lu and Guijuan Zhang and Linwei Fan and Xu Lu and Shuai Wu and Hang Wei and Zhuoran Zheng},
journal= {arXiv preprint arXiv:2604.09321},
year = {2026}
}