Zusammenfassung - DRWKV: Fokussierung auf Objektkanten zur Verbesserung von Bildern bei geringem Licht

DRWKV: Fokussierung auf Objektkanten zur Verbesserung von Bildern bei geringem Licht

2025-07-24 17:24:59

{"Xuecheng Bai","Yuxiang Wang","Boyu Hu","Qinyuan Jie","Chuanzhi Xu","Hongru Xiao","Kechen Li","Vera Chung"}

{cs.CV,cs.AI,cs.LG}

Das Papier "DRWKV: Fokus auf Objektkanten zur Verbesserung von Bildern bei niedriger Beleuchtung" präsentiert einen neuen Ansatz zur Verbesserung von Bildern bei niedriger Beleuchtung durch den Fokus auf die Erhaltung von Objektkanten und Details. Die Hauptbeiträge des Papers sind: 1. **DRWKV-Modell**: Das Papier schlägt ein neues Modell namens DRWKV (Detaillierte Rezeptanzgewichtete Schlüsselwerte) vor, das die von den Autoren vorgeschlagene Theorie des Global Edge Retinex (GER) integriert. Die GER-Theorie trennt die Beleuchtung und die Kantenstrukturen effektiv voneinander, was eine verbesserte Kantenfidelity selbst in extremen niedrigen Lichtverhältnissen ermöglicht. 2. **Entwickeltes Scan-Mechanismus**: Das Papier introduces ein neues Entwickeltes Scan-Mechanismus angewendet auf das WKV-Aufmerksamkeitsmechanismus. Dieses Mechanismus erfasst räumliche Kantenkontinuität und modelliert unregelmäßige Strukturen effektiv, was die Kantenfidelity weiter verbessert. 3. **Bilateraler Spektrum Aligner (Bi-SAB)**: Das Papier entwirft den Bi-SAB, um Luminanz- und Chrominanzmerkmale auszurichten, die visuelle Natürlichkeit zu verbessern und Artefakte zu mildern. Der Bi-SAB wird mit einem angepassten MS²-Verlust verknüpft, um den Ausrichtungsprozess zu optimieren. 4. **Experimente**: Das Papier zeigt die Effektivität des DRWKV durch umfassende Experimente auf fünf LLIE-Benchmarks. DRWKV erreicht führende Leistungen in PSNR, SSIM und NIQE während der Wahrung niedriger Rechenkomplexität. Zusätzlich verbessert DRWKV die Nachverfolgungsleistung bei Multi-Objekt-Tracking-Aufgaben bei niedriger Beleuchtung, was seine Generalisierungsfähigkeiten validiert. **Hauptpunkte des DRWKV-Modells**: * **Licht-Vorverarbeitung**: Dieser Schritt verarbeitet das Eingangs-Bild bei niedriger Beleuchtung, um die Beleuchtung, den Rauschen und die Artefakte zu trennen. * **Global Edge Retinex (GER)**: Die GER-Theorie wird angewendet, um den Reflexionskomponenten zu verbessern und die Beleuchtung und Kantenstrukturen effektiv zu trennen. * **Entwickeltes Scan-Mechanismus**: Dieses Mechanismus erfasst räumliche Kantenkontinuität und modelliert unregelmäßige Strukturen, was die Kantenfidelity weiter verbessert. * **Bilateraler Spektrum Aligner (Bi-SAB)**: Der Bi-SAB richtet Luminanz- und Chrominanzmerkmale aus, verbessert die visuelle Natürlichkeit und mildert Artefakte. * **Verlustfunktion**: Das Papier schlägt eine neue Verlustfunktion namens MS²-Verlust vor, die den Ausrichtungsprozess optimiert und die Gesamtkompetenz des verbesserten Bildes sicherstellt. **Vorteile des DRWKV**: * **Verbesserte Kantenfidelity**: DRWKV bewahrt Objektkanten und Details effektiv, selbst in extremen niedrigen Lichtverhältnissen. * **Natürliche Erscheinung**: Der Bi-SAB stellt sicher, dass die verbesserten Bilder eine natürliche Erscheinung haben, ohne Artefakte einzuführen. * **Niedrige Rechenkomplexität**: DRWKV behält eine niedrige Rechenkomplexität bei, was ihn für Echtzeitanwendungen geeignet macht. **Schlussfolgerung**: Das DRWKV-Modell bietet einen vielversprechenden Ansatz zur Verbesserung von Bildern bei niedriger Beleuchtung durch den Fokus auf die Erhaltung von Objektkanten und Details. Die Effektivität des Modells wird durch umfassende Experimente gezeigt, und sein Potenzial für Anwendungen in der realen Welt ist bedeutend.