无监督低光增强网络

43毫秒处理512×512

仅含约1万参数，无需成对训练数据，即可在消费级设备上实时实现自然光照恢复并有效抑制噪声。

Min Si, Young · Lin, Changhong

Engineering Applications of Artificial Intelligence 2025

参数信息

PSNR

20.23 dB

LPIPS

0.168

SSIM

0.77

处理时间

43 ms

可训练参数

10k

技术优势

无需成对数据训练

采用无监督学习，利用损失函数设计，避开了难以获取的成对低光/正常光图像对。

轻量快速

约1万可训练参数，处理512×512彩色图像仅需43 ms，适合实时部署在消费级设备上。

噪声抑制

网络结合了同样用无配对数据训练的去噪模型，有效避免增强时放大噪声。

应用场景

• 嵌入式视觉系统：该网络轻量且快速，能在资源受限的嵌入式平台上实时增强低光图像。
• 工业视觉检测：无监督训练免去成对数据标注，可快速适配不同产线，提升暗环境下的检测可靠性。
• 无人机夜间成像：43 ms的推理速度支持无人机在夜间实时处理图像，无需高性能机载计算。
• 移动端图像处理：约1万参数的模型可轻松部署在手机芯片上，实时改善夜间拍照效果。