【全面解析】低光照图像增强利器——基于小波变换的扩散模型-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00037/article/details/139714500

🌃【全面解析】低光照图像增强利器——基于小波变换的扩散模型

项目地址:https://gitcode.com/gh_mirrors/di/Diffusion-Low-Light

一、项目简介

在日常生活中，我们时常遭遇因光线不足而导致拍摄的照片或视频质量大打折扣的情况。如今，一款由四川大学与旷视科技联合研发的强大工具横空出世，旨在解决这一难题。[Siggraph Asia 2023] 的论文《Low-light Image Enhancement with Wavelet-based Diffusion Models》介绍了这款名为“WaveDiff”的技术，它以一种创新的方式提升了低光环境下的图像和视频质量。

WaveDiff利用了小波变换（Wavelet Transform）与深度学习中的扩散模型相结合的独特方法，在低光照条件下实现对图像的增强处理。该团队包括来自四川大学、旷视科技以及电子科技大学的研究者，他们共同致力于将前沿的技术应用于实际问题中，使更多人能够受益于高质量的视觉体验。

二、技术分析

小波变换

WaveDiff的核心是通过小波变换来提取图像的不同尺度特征，这使得算法能够在保持细节的同时有效去除噪声，尤其是在复杂的纹理和边界处，相比于传统的傅里叶变换，小波变换可以更精确地定位信号的时间-频率位置，从而在低光照环境下更有效地恢复细节。

扩散模型

扩散模型是一种近年来在机器学习领域极为热门的方法，尤其擅长处理高维数据，如图像和音频等。其原理是在训练过程中逐步添加噪声并学习逆过程，即从噪声中还原原始信息，这为修复受损或模糊的图像提供了强有力的支持。结合小波变换的优势，WaveDiff不仅能在较低亮度下提升图像清晰度，还能保留更多的自然质感。