ECCV2024｜LightenDiffusion 超越现有无监督方法，引领低光图像增强新纪元！

亮点直击

• 提出了LightenDiffusion框架，结合Retinex理论和扩散模型的生成能力，用于无监督低光图像增强。
• 引入了内容传输分解网络，在潜空间中获取内容丰富的反射率图和无内容的照明图，促进无监督恢复。
• 实验证明LightenDiffusion在视觉质量和泛化能力上超越现有无监督方法，并与监督方法相媲美。

方法概述

LightenDiffusion框架首先将低光图像和正常光图像转换为潜空间表示，通过内容传输分解网络（CTDN）分解为反射率图和照明图。结合低光特征指导的扩散模型进行无监督恢复，引入自我约束的一致性损失以消除干扰并提高视觉质量。实验证明了其在多个数据集上的优越性。

网络训练与实验

网络训练采用两阶段策略，先优化编码器、CTDN和解码器，再优化扩散模型。与现有方法的比较显示，LightenDiffusion在定量和视觉上均表现出色，尤其是在泛化能力上。此外，低光人脸检测实验也证明了其实际应用价值。

结论

LightenDiffusion框架有效地结合了Retinex理论和扩散模型，提出了内容传输分解网络和自我约束一致性损失，实现了无监督低光图像增强。其优异的性能和泛化能力在多个数据集上得到验证，并在低光人脸检测任务中显示潜在应用价值。

AI生成未来

查看原文：ECCV2024｜LightenDiffusion 超越现有无监督方法，引领低光图像增强新纪元！

文章来源：

AI生成未来

扫码关注公众号