CIDNet是为HVI色彩空间量身定制的双分支低光增强网络，旨在通过解耦建模颜色（HV通道）与亮度（I通道）信息，实现精准的噪声抑制与光照恢复。 CIDNet基于编码器-解码器结构，包含三个下采样和三个上采样层，每层都嵌入了一个轻量化交叉注意力模块（LCA）。

2025年3月5日 · 本文为低光照图像增强 (llie) 提出了一个新的颜色空间，即水平/垂直强度 (hvi)，由偏振 hs 图和可学习强度定义，并引入cidnet：一种新颖的颜色和强度解耦网络，在 10 个数据集上性能表现sota！

2025年3月3日 · cidnet是为hvi色彩空间量身定制的双分支低光增强网络，旨在通过解耦建模颜色（hv通道）与亮度（i通道）信息，实现精准的噪声抑制与光照恢复。 CIDNet基于编码器-解码器结构，包含三个下采样和三个上采样层，每层都嵌入了一个轻量化交叉注意力模块（LCA）。

2025年3月10日 · Use random gamma function (enhancement curve) to improve cross-dataset generalization. 🔆. 2024.04.18 Full version Code, models, visual comparison have been released. We promise that all the weights only trained on train sets, and each weights is reproducible. Hope it will help your future work.

2025年2月27日 · While converting the images using Hue, Saturation and Value (HSV) color space helps resolve the brightness issue, it introduces significant red and black noise artifacts. To address this issue, we propose a new color space for LLIE, namely Horizontal/Vertical-Intensity (HVI), defined by polarized HS maps and learnable intensity.

CIDNet是为HVI色彩空间量身定制的双分支低光增强网络，旨在通过解耦建模颜色（HV通道）与亮度（I通道）信息，实现精准的噪声抑制与光照恢复。 通过解耦建模颜色（HV通道）与亮度（I通道）信息，实现精准的噪声抑制与光照恢复。 CIDNet基于编码器-解码器结构，包含三个下采样和三个上采样层，每层都嵌入了一个轻量化交叉注意力模块（LCA）。 将低光图像变换到HVI颜色空间后，将光强图输入至I分支，建模光照分布的物理约束，自适应增强全局与局部亮度，避免过 …

新的颜色空间 HVI（Horizontal/Vertical-Intensity）： 通过极化的 HS 映射（Polarized HS Maps）减少红色坐标的欧几里得距离，消除红色不连续噪声。 引入可学习的强度压缩函数（Adaptive Intensity Collapse Function），压缩低光区域的半径以消除黑色噪声。

2025年3月5日 · 本文提出了一种新的色彩空间hvi（水平/垂直强度），旨在解决低光照图像增强（llie）中的颜色偏差和亮度伪影问题。 现有的 LLIE 方法通常基于标准RGB（sRGB）空间，容易产生颜色失真和亮度伪影。

为解决低光照图像增强（LLIE）任务在增强低光照图像时易产生颜色偏移和亮度伪影的问题，本文提出了一种新型的可训练颜色空间HVI（Horizontal/Vertical-Intensity），并设计了一种新的网络架构CIDNet，通过分离亮度和颜色提升增强效果。

2025年2月27日 · To address this issue, we propose a new color space for LLIE, namely Horizontal/Vertical-Intensity (HVI), defined by polarized HS maps and learnable intensity. The former enforces small distances for red coordinates to remove the red artifacts, while the latter compresses the low-light regions to remove the black artifacts.