利用 KL 散度聚焦低光图像增强中的频率信息
计算机视觉与模式识别
2025-10-03 v2
摘要
在傅里叶域中，亮度信息主要编码在幅度谱中，而空间结构则捕获在相位分量中。传统的傅里叶频率信息拟合采用逐像素损失函数，往往过度关注局部信息，可能导致全局信息丢失。本文提出了 LLFDisc，一种集成了交叉注意力和门控机制的 U 形深度增强网络，专为频率感知增强而设计。我们提出了一种新颖的分布感知损失，直接拟合傅里叶域信息，并利用闭式 KL 散度目标最小化其分布差异。这使得模型能够比使用传统基于均方误差（MSE）的损失更稳健地对齐傅里叶域信息。此外，我们通过在提取的深层特征上嵌入 KL 散度来增强基于 VGG 的感知损失，从而实现更好的结构保真度。在多个基准数据集上的大量实验表明，LLFDisc 在定性和定量评估中均达到了最先进的性能。我们的代码将发布于：https://github.com/YanXY000/LLFDisc
引用
@article{arxiv.2509.13083,
title = {Using KL-Divergence to Focus Frequency Information in Low-Light Image Enhancement},
author = {Yan Xingyang and Huang Xiaohong and Zhang Zhao and You Tian and Xu Ziheng},
journal= {arXiv preprint arXiv:2509.13083},
year = {2025}
}