يبقى تحسين الصورة في الإضاءة المنخفضة (LLIE) مهمة صعبة بسبب ندرة بيانات التدريب المزدوجة والضوضاء المعتمدة على الإشارة المعقدة الموجودة في المشاهد ذات الإضاءة المنخفضة. لمعالجة هذه القضايا، يقترح هذا البحث إطار عمل غير مراقب بالكامل يسمى التدفق الصفري الموجه بالموجات (WZD) لاستعادة الصور الطبيعية ذات الإضاءة المنخفضة. يعتمد WZD على نموذج تدفق مدرب مسبقاً عبر ImageNet وتمثيل متعدد المقاييس لتحويل الموجات المتقطعة (DWT) لاستعادة الإضاءة الطبيعية من صورة مظلمة واحدة. بشكل خاص، تتم معالجة صورة الإضاءة المنخفضة المدخلة أولاً بواسطة مصحح التعرض العملي (PEC) لتوفير قاعدة لومن روبرت أولية. ثم تتحول الصورة من مساحة اللون RGB إلى YCbCr. يتم تحليل قنوات Y للصورة المدخلة وتقدير التدفق الحالي إلى أربعة نطاقات فرعية متعامدة—LL، LH، HL، وHH—وتدمج عبر أوزان قابلة للتعلم خطوة بخطوة مع الحفاظ على التكامل الهيكلي. يتم استخدام خسارة التحكم في التعرض وخسارة اتساق التفاصيل معاً لكبت الإفراط في التعرض أو نقصه والحفاظ على التفاصيل العالية التردد. على عكس الأساليب الحديثة التي تعتمد على تدريب معقد تحت إشراف أو تفتقر إلى التوجيه الفيزيائي، تدمج طريقتنا التوجيه بالموجات مع إطار تعلم غير مرجعي، وتدمج وحدة PEC كأولوية فيزيائية، وتحقق تحسينات كبيرة في الحفاظ على التفاصيل وكبت الضوضاء دون الحاجة إلى بيانات تدريب مزدوجة. تظهر التجارب الشاملة على مجموعات بيانات LOL-v1 وLOL-v2 وLSRW أن WZD تحقق أداءً متفوقاً أو تنافسياً، متجاوزة جميع الطرق غير المراقبة المشار إليها. تؤكد دراسات الإزالة الأدوار الحيوية لنموذج PEC، وتحويل YCbCr، والدمج بمساعدة الموجات، ووظيفة الخسارة المشتركة. كما يعزز WZD أداء المهام اللاحقة، مما يحقق قيمته العملية.
دراست Peng et al. (Sun) هذا السؤال.