TIP 2025 | 基于残差商学习的零参考低光图像增强

论文信息

Residual Quotient Learning for Zero-Reference Low-Light Image Enhancement

基于残差商学习的零参考低光图像增强

作者：Chao Xie, Linfeng Fei, Huanjie Tao, Yaocong Hu, Wei Zhou, Jiun Tian Hoe, Weipeng Hu, Yap-Peng Tan

论文创新点

1. 提出残差商学习框架：本文首次提出了一种新的残差商学习框架，用于低光图像增强（LLIE）。与传统的Retinex相关方法不同，该框架将光照增强任务重新表述为自适应估计潜在商数，并通过残差学习方式进行优化。
2. 三通道光照建模：与现有方法通常将光照图缩减为单通道不同，本文恢复了三通道光照建模。这一创新