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.

2024年2月8日 · Our final-version paper "HVI: A New color space for Low-light Image Enhancement" has been accepted by CVPR 2025. 🔥. 2025.01.31 Update train code. Use random gamma function (enhancement curve) to improve cross-dataset generalization. 🔆. 2024.04.18 Full version Code, models, visual comparison have been released.

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）。

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3月6日 · 低光 图像增强 （LLIE）旨在提升暗光环境下捕获图像的视觉质量，同时抑制噪声和颜色失真。 传统的图像增强方法大多基于常见的sRGB色彩空间，但其有个致命缺点——颜色和亮度高度耦合，增强时易引发色偏和亮度伪影。 后来，研究者改用HSV色彩空间（把颜色解耦为为色调、饱和度和亮度），虽然取得了一些进展，但增强效果始终不理想，会导致红色与黑暗区域产生严重伪影。 我们认为是HSV中有两种特殊的噪点导致了这个问题（如图1b）： （1）红色 …

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。

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）。

Low-Light Image Enhancement (LLIE) is a crucial computer vision task that aims to restore detailed visual information from corrupted low-light images. Many existing LLIE methods are based on standard RGB (sRGB) space, which often produce color bias and brightness artifacts due to inherent high color sensitivity in sRGB.

5 天之前 · 近期，西北工业大学计算机学院 2021级计算机科学拔尖基地班本科生冯宜湑同学的学术成果《HVI:A New Color Space for Low-light Image Enhancement》被计算机视觉顶会 Proceedings of the IEEE / CVF Conference on Computer Vision and Pattern Recognition 接收。冯宜湑同学成为学院近几年首位以第一作者身份在 CCF A类会议发表论文的 ...

2024年2月8日 · To alleviate this problem, we propose a novel trainable color space, named Horizontal/Vertical-Intensity (HVI). It not only decouples brightness and color from RGB channels to mitigate the instability during enhancement but also adapts to low-light images in different illumination ranges due to the trainable parameters.