VQCNIR: Restauración de Imágenes Nocturnas Más Claras con un Libro de Códigos Cuantizados por Vectores

La fotografía nocturna a menudo enfrenta desafíos como la baja iluminación y el desenfoque, derivados de entornos oscuros y exposiciones prolongadas. Los métodos actuales a menudo ignoran los priors y ajustan directamente redes de extremo a extremo, lo que lleva a una iluminación inconsistente, o dependen de priors artesanales poco confiables para restringir la red, lo que genera un mayor error en el resultado final. Creemos en la fortaleza de los priors de alta calidad impulsados por datos y nos esforzamos por ofrecer un prior confiable y consistente, eludiendo las restricciones de los priors manuales. En este documento, proponemos la Restauración de Imágenes Nocturnas Más Claras con un Libro de Códigos Cuantizados por Vectores (VQCNIR) para lograr resultados de restauración notables y consistentes en puntos de referencia del mundo real y sintéticos. Para garantizar la restauración fiel de detalles e iluminación, proponemos la incorporación de dos módulos esenciales: el Módulo de Mejora de Iluminación Adaptativa (AIEM) y el Módulo de Atención Cruzada Bi-direccional Deformable (DBCA). El AIEM aprovecha la correlación inter-canales de características para mantener dinámicamente la consistencia de iluminación entre características degradadas y características de libro de códigos de alta calidad. Mientras tanto, el módulo DBCA integra eficazmente información de textura y estructura a través de atención cruzada bi-direccional y convolución deformable, lo que resulta en un detalle fino mejorado y fidelidad estructural a través de decodificadores paralelos. Experimentos extensivos validan los notables beneficios de VQCNIR en la mejora de la calidad de imagen en condiciones de baja iluminación, mostrando su rendimiento de vanguardia en conjuntos de datos tanto sintéticos como del mundo real. El código está disponible en https://github.com/AlexZou14/VQCNIR.