暗光场景的语义分割是一个比较困难和有挑战性的任务，因为暗光会导致图像质量下降，细节丢失，噪声增加等问题。目前有一些最新的文章可以参考，比如：

• 室内低光语义分割框架 LISU: Low-light indoor scene understanding with joint learning of reflectance restoration 1，这是一篇2022年ISPRS Journal of Photogrammetry and Remote Sensing的论文，它提出了一个多任务网络，同时进行反射图修复和语义分割。它利用了自监督学习和图像分解的方法，将正常光照的图像转换为低光图像，并在反射图上进行语义分割。它还提出了一个真实的和一个渲染的低光数据集用于评估。
• 增强算法一定有效吗? 无需增强，直接训练，解决低光照场景下的目标检测问题（ICCV 2021）2，这是一篇2021年ICCV的论文，它提出了一个自监督学习方法，利用大规模数据集上的正常图像合成暗光图像，并用孪生网络预测光照变换参数。它将自监督学习和目标检测联合训练，并在两个暗光数据集上进行微调。
• 代码开源，仅需90K参数！实时完成低光增强, 曝光矫正的超轻量级Transformer网络IAT (BMVC 2022) 3，这是一篇2022年BMVC的论文，它提出了一个超轻量级的Transformer网络，用来实时完成暗光增强和曝光矫正。它借鉴了目标检测中的DETR结构，利用了attention query机制来学习ISP流程的相关参数。它还探究了暗光场景下的目标检测和语义分割任务。

以上是推荐的几篇暗光场景的语义分割文章，你可以阅读原文或者代码来了解更多细节和技术。希望我的回答对你有帮助。😊

1 https://blog.csdn.net/u013544265/article/details/124051389

2 https://zhuanlan.zhihu.com/p/572545992

3 https://zhuanlan.zhihu.com/p/535695807