Wave-Mamba：基于小波状态空间模型的超高清低光图像增强
计算机视觉与模式识别
2024-08-05 v1
摘要
超高清 (UHD) 技术因其卓越的视觉质量而广受关注，但也为低光图像增强 (LLIE) 技术带来了新挑战。UHD图像本身具有较高的计算复杂度，导致现有UHD LLIE方法采用高放大下采样以降低计算成本，进而导致信息丢失。小波变换不仅允许在不损失信息的情况下下采样，还将图像内容与噪声分离。它使状态空间模型 (SSM) 能够避免受噪声影响的情况下对长序列进行建模，从而充分发挥SSM对长序列建模能力的优势。基于此，我们提出了Wave-Mamba，这是一种基于从小波域中派生的两个关键洞察的新方法：1)图像的内容信息大部分存在于低频分量中，少量存在于高频分量中。2)高频分量对低光增强结果的影响最小。具体而言，我们通过改进SSM来聚焦于恢复低频子带信息，以实现对UHD图像中全局内容信息的高效建模，我们提出了低频状态空间模块 (LFSSBlock)。此外，我们提出了高频增强模块 (HFEBlock)，用于高频子带信息，该模块利用增强后的低频信息来纠正高频信息，从而有效恢复正确的高频细节。通过全面评估，我们的方法在性能上显著优于当前领先技术，同时保持更简洁的架构。代码已公开available at https://github.com/AlexZou14/Wave-Mamba。
引用
@article{arxiv.2408.01276,
title = {Wave-Mamba: Wavelet State Space Model for Ultra-High-Definition Low-Light Image Enhancement},
author = {Wenbin Zou and Hongxia Gao and Weipeng Yang and Tongtong Liu},
journal= {arXiv preprint arXiv:2408.01276},
year = {2024}
}
备注
10 pages, 8 figures, ACMMM2024 accepted