NTIRE 2026 Challenge on Efficient Low Light Image Enhancement: Methods and Results

Basado en el documento proporcionado, aquí se presenta un resumen técnico detallado del Desafío NTIRE 2026 de Mejora Eficiente de Imágenes con Poca Luz (E-LLIE).

Enunciado del Problema

La Mejora de Imágenes con Poca Luz (LLIE) tiene como objetivo mejorar la visibilidad y el contraste en escenas oscuras, mitigando al mismo tiempo el ruido, los artefactos y la distorsión del color. Aunque los métodos de aprendizaje profundo han logrado avances significativos, a menudo sufren de alta complejidad del modelo, redundancia de parámetros y tiempos de inferencia prolongados, lo que los hace inadecuados para dispositivos móviles con recursos limitados. El Desafío E-LLIE aborda la necesidad crítica de diseñar redes ligeras que equilibren una mejora de alta calidad con restricciones computacionales estrictas, apuntando específicamente al despliegue en plataformas móviles.

Configuración y Metodología de la Competencia

El desafío se llevó a cabo en el Taller NTIRE 2026, construyendo sobre el éxito de la edición de 2025.

• Conjunto de datos: A diferencia de iteraciones anteriores, el conjunto de datos fue recopilado utilizando smartphones Huawei y Apple en diversos escenarios (iluminación tenue, luz extremadamente baja, contraluces, iluminación desigual, escenas nocturnas interiores/exteriores). Las imágenes tienen una resolución uniforme de 3024×4032. El conjunto de datos incluye 349 escenas de entrenamiento, 49 escenas de validación y 102 escenas de prueba (con verdad fundamental confidencial).
• Restricciones: Una restricción principal fue el límite de tamaño del modelo de menos de 1 MB.
• Métricas de Evaluación: Las presentaciones se evaluaron utilizando una suite completa de métricas: SSIM, LPIPS, DISTS, LIQE, MUSIQ y Q-Align.
• Criterios de Clasificación: La clasificación final se determinó agregando los rangos de cada equipo en todas las métricas. En caso de empate, el equipo con menos parámetros del modelo recibió el rango más alto.
• Participación: 207 participantes se registraron, con 27 equipos enviando entradas válidas y 17 equipos proporcionando hojas de datos válidas para la evaluación final.

Enfoques Técnicos Clave

Los 17 equipos participantes exploraron diversos paradigmas técnicos centrados en la eficiencia y la calidad. Los métodos generalmente se clasificaron en las siguientes categorías:

1. Arquitecturas Ligeras: Muchos equipos utilizaron arquitecturas U-Net o de codificador-decodificador mejoradas con convoluciones separables por profundidad, conexiones residuales y convoluciones parciales (PConv) para reducir el costo computacional mientras se preservaba la capacidad de representación.
2. Descomposición basada en Retinex: Varios enfoques modelaron explícita o implícitamente los componentes de iluminación y reflectancia (por ejemplo, variantes de RetinexFormer, descomposición iluminación-reflectancia) para abordar degradaciones específicas de poca luz.
3. Módulos de Atención y Transformadores: Para mejorar el modelado contextual global sin una sobrecarga excesiva, los equipos incorporaron mecanismos de atención ligeros y bloques de transformadores (por ejemplo, transformadores locales al estilo de Restormer, atención cruzada).
4. Desacoplamiento del Espacio de Color: Se emplearon métodos que aprovechan espacios de color como HVI (Matiz-Valor-Intensidad), YUV y LAB para procesar por separado la luminancia y la crominancia, mejorando la estabilidad y la fidelidad del color.
5. Priors Híbridos y Tradicionales: Algunos enfoques integraron técnicas tradicionales de procesamiento de imágenes (por ejemplo, ecualización de histograma, fusión de múltiples exposiciones) con aprendizaje profundo. Otros utilizaron reparametrización estructural (entrenamiento con estructuras de múltiples ramas y conversión a una sola rama para la inferencia) y destilación de conocimiento para maximizar la eficiencia.
6. Innovaciones Arquitectónicas Específicas:
   • MiVideo (Rango 1): Utilizó un RetinexFormerRefine ligero con Atención de Canal (CA) y módulos OCAB, empleando reparametrización estructural.
   • CVPR TCD (Rango 2): Propuso un transformador de atención cruzada guiado por escala de grises con un codificador-decodificador de doble rama y un Bloque de Transferencia de Fase (PTB) para la transferencia de fase en el dominio de la frecuencia.
   • S3 (Rango 3): Adoptó un paradigma de dos etapas con preprocesadores congelados (CPGA-Net, CLAHE) seguidos de un compacto DWConv U-Net.
   • sun (Rango 4): Utilizó un codificador-decodificador inspirado en Retinex compacto con bloques de transformadores locales al estilo de Restormer, minimizando el ancho y la profundidad del canal.
   • NCHU-CVLab (Rango 5): Propuso Efficient-HVI basado en el espacio de color HVI con una arquitectura de doble rama para la restauración de iluminación y color.
   • HIT-LLIE-team (Rango 7): Desarrolló MobileIE-6Ch, una red totalmente convolucional ultra-ligera con reparametrización de múltiples ramas.

Resultados

El desafío demostró mejoras significativas en el equilibrio entre rendimiento y eficiencia.

• Mejores Desempeños:
  • 1er Lugar: MiVideo (Xiaomi Inc.) alcanzó el primer rango con un tamaño de modelo de 927,049 parámetros. Obtuvo las mejores puntuaciones en LPIPS, DISTS, LIQE, MUSIQ y Q-Align.
  • 2do Lugar: CVPR TCD (Trinity College Dublin) con 557,618 parámetros, mostrando un rendimiento sólido en métricas de similitud estructural y perceptuales.
  • 3er Lugar: S3 (Sony Semiconductor Solutions) con 741,600 parámetros.
• Rendimiento vs. Eficiencia: Los resultados destacaron que es posible lograr una mejora de alta calidad dentro de la estricta restricción de 1 MB. Equipos como HIT-LLIE-team demostraron que modelos extremadamente pequeños (~102K parámetros) aún podían lograr clasificaciones competitivas (7º lugar), validando la viabilidad de soluciones ultra-ligeras.
• Diversidad de Métricas: El uso de múltiples métricas (incluyendo métricas sin referencia como LIQE y Q-Align) reveló que diferentes arquitecturas sobresalen en diferentes aspectos de la calidad de la imagen (por ejemplo, fidelidad estructural frente a realismo perceptual).

Significado y Afirmaciones

El documento afirma que el desafío logró exitosamente:

1. Avanzar la Investigación: Empujó los límites de la mejora con poca luz bajo estrictas restricciones de recursos, moviéndose más allá del rendimiento teórico hacia la implementabilidad práctica.
2. Facilitar la Comparación: Proporcionó un punto de referencia sistemático para comparar metodologías emergentes, destacando específicamente las compensaciones entre el tamaño del modelo, la velocidad de inferencia y la calidad de la mejora.
3. Conectar la Academia y la Industria: Al involucrar a participantes de grandes empresas tecnológicas (por ejemplo, Xiaomi, Sony) y universidades, el desafío fomentó la colaboración y exploró aplicaciones potenciales en el mundo real en la fotografía móvil.

Los autores concluyen que la tendencia en E-LLIE se dirige claramente hacia la optimización conjunta del rendimiento de mejora y la eficiencia computacional, utilizando técnicas como la reparametrización estructural, mecanismos de atención eficientes y desacoplamiento del espacio de color para satisfacer las demandas del despliegue móvil. El desafío sirve como una plataforma para identificar métodos de vanguardia que no solo son precisos, sino también viables en la práctica para dispositivos de usuario final.