Zero-TIG：时序一致性感知的零样本光照引导低光照视频增强
计算机视觉与模式识别
2026-04-02 v2 人工智能
摘要
低光照和水下视频能见度差、对比度低且噪声高，需要提升视觉质量。然而，现有方法通常依赖成对的真实数据，这限制了其实用性，且往往无法保持时序一致性。为了克服这些障碍，本文引入了一种名为 Zero-TIG 的新型零样本学习方法，利用 Retinex 理论和光流技术。所提出的网络由一个增强模块和一个时序反馈模块组成。增强模块包含三个子网络：低光照图像去噪、光照估计和反射去噪。时序增强模块通过结合直方图均衡化、光流计算和图像变形，将增强后的前一帧与当前帧对齐，从而保持连续性，确保时序一致性。此外，我们通过自适应平衡 RGB 通道来解决水下数据中的颜色失真问题。实验结果表明，我们的方法无需成对训练数据即可实现低光照视频增强，使其成为一种极具前景且适用于真实世界场景增强的方法。
引用
@article{arxiv.2503.11175,
title = {Zero-TIG: Temporal Consistency-Aware Zero-Shot Illumination-Guided Low-light Video Enhancement},
author = {Yini Li and Nantheera Anantrasirichai},
journal= {arXiv preprint arXiv:2503.11175},
year = {2026}
}