RL-AWB: Aprendizado por Reforço Profundo para Correção de Balanço de Branco Automático em Cenas Noturnas com Baixa Luminosidade

RL-AWB: Deep Reinforcement Learning for Auto White Balance Correction in Low-Light Night-time Scenes

January 8, 2026

Autores: Yuan-Kang Lee, Kuan-Lin Chen, Chia-Che Chang, Yu-Lun Liu

cs.AI

Resumo

A constância de cor noturna permanece um problema desafiador na fotografia computacional devido ao ruído em condições de baixa luminosidade e às complexas condições de iluminação. Apresentamos o RL-AWB, uma nova estrutura que combina métodos estatísticos com aprendizado por reforço profundo para o balanço de brancos noturno. Nosso método começa com um algoritmo estatístico adaptado para cenas noturnas, integrando a detecção de pixels cinza salientes com uma nova estimativa de iluminação. Com base nessa fundação, desenvolvemos a primeira abordagem de aprendizado por reforço profundo para constância de cor que utiliza o algoritmo estatístico como seu cerne, imitando especialistas profissionais em ajuste de AWB ao otimizar dinamicamente parâmetros para cada imagem. Para facilitar a avaliação cruzada entre sensores, introduzimos o primeiro conjunto de dados noturnos multi-sensor. Resultados experimentais demonstram que nosso método alcança capacidade de generalização superior em imagens com baixa luminosidade e bem iluminadas. Página do projeto: https://ntuneillee.github.io/research/rl-awb/

English

Nighttime color constancy remains a challenging problem in computational photography due to low-light noise and complex illumination conditions. We present RL-AWB, a novel framework combining statistical methods with deep reinforcement learning for nighttime white balance. Our method begins with a statistical algorithm tailored for nighttime scenes, integrating salient gray pixel detection with novel illumination estimation. Building on this foundation, we develop the first deep reinforcement learning approach for color constancy that leverages the statistical algorithm as its core, mimicking professional AWB tuning experts by dynamically optimizing parameters for each image. To facilitate cross-sensor evaluation, we introduce the first multi-sensor nighttime dataset. Experiment results demonstrate that our method achieves superior generalization capability across low-light and well-illuminated images. Project page: https://ntuneillee.github.io/research/rl-awb/