Lightweight Low-Light Image Enhancement via Distribution-Normalizing Preprocessing and Depthwise U-Net

Título: Mejora de Imágenes de Baja Luz Ligera mediante Preprocesamiento de Normalización de Distribución y U-Net con Convoluciones Profundas (Depthwise)

1. El Problema

Las imágenes capturadas en condiciones de baja luz sufren de visibilidad deficiente, ruido severo y distorsión de color, lo que degrada la calidad visual y afecta tareas de visión por computadora posteriores (como detección de objetos).

• Desafío actual: Los métodos de vanguardia (SOTA) para la mejora de imágenes de baja luz (LLIE) suelen ser modelos pesados basados en Transformers o arquitecturas complejas que requieren millones de parámetros.
• Limitación de escalabilidad: Cuando estos modelos se reducen drásticamente para cumplir con restricciones de memoria estrictas (por ejemplo, menos de 1 MB en almacenamiento fp16), su rendimiento cae significativamente. Esto se debe a que sus componentes de preprocesamiento "aprendidos" (como estimación de iluminación o proyección de espacios de color) requieren suficiente ancho de canal y profundidad para funcionar eficazmente.
• Objetivo: Diseñar una red LLIE extremadamente ligera (<1 MB) que mantenga una calidad perceptual competitiva sin depender de componentes de preprocesamiento aprendidos costosos.

2. Metodología

Los autores proponen un marco de trabajo de dos etapas que desacopla la corrección de brillo de la corrección de color:

Etapa 1: Preprocesamiento Fijo (No Entrenable)
En lugar de usar una red neuronal para aprender a corregir el brillo, el método utiliza algoritmos clásicos o redes ligeras congeladas para normalizar la distribución de entrada.

• Entrada: Se toman tres vistas de la imagen de baja luz:
  1. La imagen original (RGB).
  2. Una versión procesada por CPGA-Net (una red ligera que usa priores de canal y corrección gamma).
  3. Una versión procesada por CLAHE (Ecualización de Histograma Adaptativa Limitada por Contraste) en el canal L del espacio CIE Lab.
• Concatenación: Estas tres vistas se concatenan para formar un tensor de entrada de 9 canales.
• Propósito: Esta estrategia normaliza la distribución de brillo tanto entre imágenes (variación inter-imagen) como dentro de la misma imagen (variación intra-imagen), proporcionando al modelo entrenable vistas complementarias y simplificando la tarea de aprendizaje.

Etapa 2: Red Neuronal Entrenable (U-Net Ligero)

• Arquitectura: Un U-Net compacto de 3 niveles construido exclusivamente con bloques de convoluciones separables por profundidad (Depthwise-Separable Convolutions).
• Función: Dado que el brillo ya ha sido corregido parcialmente por el preprocesador, la red se enfoca únicamente en la corrección residual de color y la reducción de ruido.
• Eficiencia: El uso de convoluciones separables por profundidad reduce drásticamente el número de parámetros en comparación con las convoluciones estándar o los bloques de Transformers.

Función de Pérdida:
Se utiliza una combinación de pérdida L1 (píxel a píxel) y pérdida perceptual LPIPS para optimizar tanto la fidelidad estructural como la calidad visual.

3. Contribuciones Clave

• Marco de Dos Etapas Eficiente: Propone combinar preprocesadores algorítmicos congelados con una U-Net de convoluciones profundas, logrando un modelo que cabe en 1 MB (fp16) con calidad competitiva.
• Principio de Normalización de Distribución: Demuestran que la elección del algoritmo de preprocesamiento específico no es crítica; el principio fundamental es proporcionar vistas de brillo normalizado complementarias que reduzcan la varianza de la distribución para la red subyacente.
• Superioridad en Presupuesto de Parámetros: Cuando se compara bajo el mismo presupuesto de parámetros (~338K), su arquitectura supera a versiones reducidas (scaled-down) de modelos pesados como RetinexFormer y HVI-CIDNet.
• Rendimiento en Competencias: El método logró el 4º lugar en el Desafío de Mejora de Imágenes de Baja Luz Eficiente (ELLIE) de NTIRE en CVPR 2026.

4. Resultados

Los experimentos se realizaron en los conjuntos de datos estándar LOLv1, LOLv2-Real y LOLv2-Synthetic.

• Comparación en LOLv1:
  • El modelo Ours-Mid (859K parámetros) logró un LPIPS de 0.099, superando a RetinexFormer (1.6M parámetros, LPIPS 0.161) y acercándose a HVI-CIDNet (2.0M parámetros, LPIPS 0.086).
  • En el grupo de modelos <1 MB, el modelo Ours-Tiny (338K parámetros) obtuvo el mejor LPIPS y DISTS, superando a IAT y a las versiones reducidas de los competidores.
• Eficiencia de Parámetros:
  • Al escalar RetinexFormer y HVI-CIDNet a ~338K parámetros, su rendimiento se degradó notablemente (pérdida de ~0.48 dB en PSNR para RetinexFormer-Tiny). En contraste, el modelo ligero de los autores mantuvo un rendimiento robusto, confirmando que su diseño es inherentemente más eficiente.
• Ablación de Preprocesamiento:
  • Se probó que reemplazar CPGA-Net con corrección gamma simple o usar histogramas igualados (HE) produce resultados muy similares. Esto valida que la clave es la normalización de la distribución y no el algoritmo específico utilizado.
  • Las configuraciones de 9 canales superaron consistentemente a la línea base de 3 canales (sin preprocesamiento) en métricas perceptuales.

5. Significado e Impacto

• Cambio de Paradigma: El trabajo desafía la noción de que se necesitan grandes redes neuronales para aprender la estimación de iluminación. Sugiere que es más eficiente externalizar la corrección de brillo a algoritmos clásicos ligeros y dedicar la capacidad de la red a la corrección de color residual.
• Viabilidad en Dispositivos: Al mantener el modelo por debajo de 1 MB, esta metodología hace posible la implementación de mejora de imágenes de baja luz de alta calidad en dispositivos móviles con recursos limitados o en sistemas embebidos, sin sacrificar significativamente la calidad perceptual.
• Robustez: La capacidad de manejar distribuciones de entrada con alta varianza (como el conjunto de datos NTIRE 2026) mediante la normalización de distribución demuestra una mayor generalización que los enfoques puramente basados en aprendizaje profundo para tareas compuestas.

En resumen, el artículo presenta una solución elegante y altamente eficiente que prioriza la ingeniería de la distribución de entrada y la eficiencia arquitectónica sobre el simple aumento de la capacidad del modelo, logrando resultados de vanguardia con una fracción de los parámetros necesarios.