基于扩散先验的零样本低光图像增强
计算机视觉与模式识别
2025-03-25 v4
摘要
在本文中，我们提出了一种简单而高效的“免费午餐”解决方案用于低光图像增强（LLIE），其目标是将低光图像恢复为在良好照明环境中获取的图像。我们的方法不需要优化、训练、微调、文本条件或超参数调整，却能始终以优越的保真度重建低光图像。具体而言，我们利用预训练的文本到图像扩散先验（该先验通过在大规模自然图像集上训练得到）以及模型本身存在的特征来指导推理，这与依赖定制约束的现有方法不同。全面的定量评估表明，我们的方法在已有数据集上优于SOTA方法，而定性分析则表明颜色精度提高和细微色差校正。此外，额外实验表明，我们的方法无需任何修改即可在自动白平衡（AWB）任务中达到与SOTA相当的性能。
引用
@article{arxiv.2412.13401,
title = {Zero-Shot Low Light Image Enhancement with Diffusion Prior},
author = {Joshua Cho and Sara Aghajanzadeh and Zhen Zhu and D. A. Forsyth},
journal= {arXiv preprint arXiv:2412.13401},
year = {2025}
}