正文

请到「今天看啥」查看全文

论文题目：INTERPRETABLE UNSUPERVISED JOINT DENOISING AND ENHANCEMENT FOR REAL-WORLD LOW-LIGHT SCENARIOS

论文地址：https://arxiv.org/pdf/2503.14535

代码地址：https://github.com/huaqlili/unsupervised-light-enhance-ICLR2025

创新点

• 提出了一种适用于真实场景的零参考联合去噪与低光照增强框架。该框架基于物理成像原理和Retinex理论，通过生成具有不同光照和噪声水平的配对子图像进行训练，有效解决了真实世界低光照图像中复杂的退化问题，如局部过曝光、低亮度、噪声和不均匀光照等。

• 利用离散余弦变换（DCT）对物理先验进行建模，捕捉复杂的复合退化。通过设计全局学习型编码器从先验中提取隐式退化表示，在频域内分离复杂退化特征，避免了以往方法中按顺序处理特征的局限性。

• 开发了一种新的混合先验注意变压器网络，将退化特征整合到反射图重建中，同时自适应地增强光照。这种网络设计有助于更好地处理多种退化模式，提高融合图像的质量和细节保留。

方法

本文提出了一种适用于真实场景的零参考联合去噪与低光照增强框架。该框架基于物理成像原理和Retinex理论，通过生成具有不同光照和噪声水平的配对子图像进行训练。方法首先利用离散余弦变换（DCT）对物理先验进行建模，捕捉复杂的复合退化，并设计全局学习型编码器从先验中提取隐式退化表示。接着，开发了混合先验注意变压器网络，将退化特征整合到反射图重建中，同时自适应地增强光照。

与其他方法在SIDD数据集上的结果对比

请到「今天看啥」查看全文