ControlLight: Rumo à Melhoria de Baixa Luminosidade Controlável, Consistente e Generalizável

Resumo

Os métodos existentes de realce de pouca luz baseados em aprendizado profundo são tipicamente treinados em conjuntos de dados limitados com alvos únicos de realce, o que restringe sua capacidade de generalização e controlabilidade em aplicações do mundo real. Para superar essas limitações, propomos o ControlLight, uma estrutura controlável, consistente e generalizável para realce de pouca luz. Primeiro, construímos um conjunto de dados em grande escala de imagens degradadas do mundo real com supervisão contínua de intensidade de iluminação. Para garantir ainda mais saídas consistentes sob diferentes intensidades de controle, introduzimos uma perda de correspondência de fluxo ponderada sensível a desalinhamentos que preserva a estrutura da imagem em intensidades de realce contínuas. O ControlLight permite que os usuários editem imagens degradadas de pouca luz do mundo real em direção a resultados de realce satisfatórios, controlando flexivelmente a intensidade, enquanto preservam a consistência visual e o realismo. Experimentos extensivos mostram que o ControlLight alcança desempenho de estado da arte em relação às abordagens existentes de realce de pouca luz, demonstrando forte controlabilidade contínua e generalização para cenários do mundo real.

English

Existing deep learning-based low-light enhancement methods are typically trained on limited datasets with single enhancement targets, which restricts their generalization ability and controllability in real-world applications. To overcome these limitations, we propose ControlLight, a controllable, consistent, and generalizable framework for low-light enhancement. We first construct a large-scale dataset of real-world degraded images with continuous illumination-strength supervision. To further ensure consistent outputs under different control strengths, we introduce a misalignment-aware weighted flow matching loss that preserves image structure across continuous enhancement strengths. ControlLight allows users to edit real-world degraded low-light images toward satisfactory enhancement results by flexibly controlling the strength while preserving visual consistency and realism. Extensive experiments show that ControlLight achieves state-of-the-art performance against existing low-light enhancement approaches while demonstrating strong continuous controllability and generalization to real-world scenarios.