Unified-EGformer：面向混合曝光图像增强的统一曝光引导轻量化 Transformer
计算机视觉与模式识别
2026-01-27 v2 人工智能
摘要
尽管近期人工智能在图像处理方面取得了显著进展，但混合曝光问题——在监控和摄影等许多现实场景中至关重要——仍未得到充分解决。传统图像增强技术和当前的 Transformer 模型主要聚焦于过曝或不足曝，局限于单一场景。为弥合这一差距，我们提出了统一曝光引导 Transformer（Unified-EGformer）。该方案基于先进的 Transformer 架构，配备用于颜色校正和图像整体调整的局部像素级细化模块和全局细化模块。我们采用引导注意力机制精准识别曝光受损区域，确保其在各种现实条件下的适应性。U-EGformer 采用轻量化设计，仅需约 1134 MB 峰值内存（0.1 百万参数）和 95 ms 的推理时间（比平均水平快 9.61 倍），是监控和自动驾驶等实时应用的可行选择。此外，该模型高度通用，仅需最小化微调即可通过单一架构处理多个任务和数据集。
关键词
引用
@article{arxiv.2407.13170,
title = {Unified-EGformer: Exposure Guided Lightweight Transformer for Mixed-Exposure Image Enhancement},
author = {Eashan Adhikarla and Kai Zhang and Rosaura G. VidalMata and Manjushree Aithal and Nikhil Ambha Madhusudhana and John Nicholson and Lichao Sun and Brian D. Davison},
journal= {arXiv preprint arXiv:2407.13170},
year = {2026}
}
备注
Under submission