低光照和水下视频的可视化增强Zero-TIG: Temporal Consistency-Aware Zero-Shot Illumination-Guided Low-light Video Enh

论文作者：Yini Li,Nantheera Anantrasirichai

作者单位：University of Bristol

论文链接：http://arxiv.org/abs/2503.11175v1

内容简介：

1）方向：零样本学习

2）应用：低光照和水下视频的可视化增强

3）背景：低光照和水下视频常常面临较差的可视性、低对比度和高噪声问题。现有的增强方法通常依赖成对的真实数据，这限制了其实际应用并可能导致时间一致性问题。

4）方法：本文提出了一种新的零样本学习方法Zero-TIG，旨在解决低光照和水下视频的可视化增强问题。该方法结合了Retinex理论和光流技术，具有低光照视频增强、去噪和时间一致性保持的能力。具体来说，Zero-TIG网络由两个主要模块组成：增强模块和时间反馈模块。增强模块包括三个子网络：低光照图像去噪、照明估计和反射去噪。时间反馈模块通过直方图均衡、光流计算和图像变形技术，确保了视频帧之间的时间一致性。此外，该方法通过自适应平衡RGB通道来解决水下数据的颜色失真问题。

5）结果：实验结果表明，Zero-TIG方法在无需成对训练数据的情况下，能够有效地增强低光照视频，保持时间一致性，并解决水下视频的颜色失真问题，证明其在真实场景中的应用潜力。