UniBlendNet：用于环境光归一化的统一全局、多尺度和区域适应建模
计算机视觉与模式识别
2026-04-16 v1
摘要
环境光归一化（ALN）旨在恢复因复杂、空间变化的照明条件导致图像退化的情况。现有方法如 IFBlend 利用频域先验来建模照明变化，但仍受限于全局上下文建模不足和空间适应性不足，导致在挑战性区域恢复效果次佳。本文提出 UniBlendNet，一个用于环境光归一化的统一框架，联合建模全局照明、多尺度结构和区域适应细化。具体而言，我们通过集成基于 UniConvNet 的模块来捕获长程依赖，从而增强对全局照明的理解。为更好地处理复杂的照明变化，我们引入 Scale-Aware Aggregation Module（SAAM），其执行基于金字塔的多尺度特征聚合并进行动态重新加权。进一步，我们设计一种 mask-guided 残差细化机制，以实现区域适应性校正，使模型能够在保持良好曝光区域的同时选择性地增强退化区域。该设计有效提升了复杂照明条件下的照明一致性和结构保真度。在 NTIRE 环境光归一化基准测试上的大量实验表明，UniBlendNet 在整体上优于基线 IFBlend，实现了更高的恢复质量，同时产生更自然、更稳定的视觉恢复效果。
引用
@article{arxiv.2604.13383,
title = {UniBlendNet: Unified Global, Multi-Scale, and Region-Adaptive Modeling for Ambient Lighting Normalization},
author = {Jiatao Dai and Wei Dong and Han Zhou and Chengzhou Tang and Jun Chen},
journal= {arXiv preprint arXiv:2604.13383},
year = {2026}
}
备注
Accepted to CVPR 2026 NTIRE Workshop on New Trends in Image Restoration and Enhancement. 8 pages, 4 figures