用AI点亮图像的那些事儿，CVPR里的图像增强！

Tulingjin

2341人浏览 · 2025-08-16 09:00:00

Tulingjin · 2025-08-16 09:00:00 发布

关注gongzhonghao【图灵学术SCI科研圈】，解锁更多SCI相关资讯！

在计算机视觉领域，图像质量的提升一直是研究的核心问题之一。无论是低光照条件下的图像增强、遥感图像的融合，还是动态环境中的相机曝光控制，这些任务都面临着相似的挑战：如何在复杂多变的场景中，快速、高效地优化图像质量，同时保留关键信息。近年来，深度学习技术的发展为这些任务带来了新的解决方案。通过引入卷积神经网络（CNN）、Transformer架构以及强化学习等先进方法，研究人员能够更好地处理图像中的细节、光照变化和动态场景。

这些技术的融合不仅提高了图像处理的效率，还为解决实际应用中的复杂问题提供了新的思路。本文将深入探讨这些技术在图像质量提升中的应用，分析其创新点和实际效果，为未来的研究提供参考和启示。

Learning to Control Camera Exposure via Reinforcement Learning

方法：

文章首先构建了一个可控的暗室环境，通过可调节的LED灯光模拟不同的光照条件，为训练提供了多样化的场景。接着，设计了一种基于矢量化强度历史的状态表示方法，并采用连续相对动作空间和软演员-评论家（SAC）算法进行训练。此外，通过从简单到复杂的光照变化设计课程学习策略，结合领域随机化技术，使训练出的模型能够快速适应真实世界中的各种光照条件，并在实际应用中展现出良好的泛化能力和实时性。

创新点：

提出了一种简化的训练环境，能够模拟真实世界中多样化和动态变化的光照条件，为训练提供丰富的场景。
设计了一种考虑闪烁和图像属性的奖励函数，以及轻量化的状态表示，确保了实时处理能力。
引入了从静态到动态光照的课程学习策略和领域随机化技术，有效提高了模型在复杂环境中的泛化能力。

论文链接：

https://arxiv.org/pdf/2404.01636

关注gongzhonghao【图灵学术SCI科研圈】，获取多模态融合与自监督学习最新选题和idea

Adaptive Rectangular Convolution for Remote Sensing Pansharpening

方法：

文章首先通过两个子网络学习卷积核的高度和宽度特征图，并基于这些特征图动态选择卷积核的采样点数量。接着，利用生成的采样图和双线性插值完成卷积操作，同时引入仿射变换增强空间适应性。最后，将ARConv模块嵌入到改进的U-Net架构中，构建了ARNet网络，用于高效地处理遥感图像的全色锐化任务，通过多个数据集的实验验证了其优越性能。

创新点：

提出了ARConv模块，能够自适应地调整卷积核的高度和宽度，并根据学习到的尺度动态改变采样点的数量，从而有效捕捉不同尺度物体的特征。
设计了ARNet网络架构，将ARConv集成到U-Net结构中，通过丰富的尺度信息提取，显著提升了全色锐化性能，优于现有的多种先进方法。
通过热力图可视化展示了卷积核学习到的高度和宽度与实际物体大小之间的相关性，验证了ARConv在自适应特征提取方面的有效性。

论文链接：

https://arxiv.org/pdf/2503.00467

关注gongzhonghao【图灵学术SCI科研圈】，获取多模态融合与自监督学习最新选题和idea

Towards Scale-Aware Low-Light Enhancement via Structure-Guided Transformer Design

方法：

文章首先基于UNet编码器-解码器架构设计了混合结构引导特征提取器（HSGFE）模块，用于在每个尺度上提取结构先验并将其整合到特征提取过程中。接着，引入了结构引导的Transformer块（SGTB）和交叉注意力机制（SGCA），将结构先验与Transformer的长距离依赖建模能力相结合，从而更好地保留图像的细节和结构。最后，通过多尺度损失函数进行训练，并采用自适应调整层来优化不同光照条件下的增强效果，确保模型在多样化低光照场景下的鲁棒性和细节表现。

创新点：

提出了SG-LLIE框架，这是一个结合了CNN和Transformer的混合架构，通过结构先验引导特征提取，有效解决了低光照图像增强中的细节丢失和色彩失真问题。
首次将基于光照不变边缘检测器提取的稳健结构先验引入深度学习模型中，并通过结构引导的交叉注意力机制将其融入增强流程，为低光照图像增强提供了更有效的指导。
在多个低光照图像增强基准数据集上取得了最先进的性能，尤其是在NTIRE 2025低光照增强挑战赛中获得了最佳PSNR分数和第二名的综合表现，证明了该方法的有效性和优越性。