Resumen Técnico: WREN - Mejora de Imágenes con Baja Iluminación mediante Estructuras de Doble U-Net Basadas en la Teoría de Retinex

1. Planteamiento del Problema

La mejora de imágenes con baja iluminación (LLIE, por sus siglas en inglés) es crítica para aplicaciones como la visión nocturna, búsqueda y rescate, y vigilancia, donde los accidentes de tráfico, desastres y crímenes suelen ocurrir en entornos oscuros. Los métodos actuales de LLIE suelen sufrir tres desafíos principales:

1. Descomposición de Retinex No Trivial: La descomposición de una imagen en reflectancia (color intrínseco) e iluminación (condiciones de luz) no es única y es un problema mal planteado.
2. Inestabilidad en el Aprendizaje de Extremo a Extremo: El entrenamiento conjunto de las etapas de compensación de iluminación y refinamiento suele conducir a una convergencia inestable.
3. Sensibilidad al Rango Dinámico: Muchos métodos de vanguardia no logran generalizar a través de diversas condiciones de iluminación, lo que a menudo resulta en una sobre-mejora o una sub-mejora cuando el rango dinámico de la escena de prueba difiere de los datos de entrenamiento.

Una limitación específica identificada en los enfoques actuales de dos etapas (descomposición seguida de refinamiento) es el sobre-suavizado (over-smoothing). Debido a que la etapa de refinamiento opera sobre la imagen sintetizada de luz normal (el producto de la reflectancia y la iluminación), asume implícitamente que el ruido existe en el mapa de reflectancia. Sin embargo, según la teoría de Retinex, el mapa de reflectancia debería estar libre de ruido. En consecuencia, suavizar la imagen combinada suaviza inadvertidamente el mapa de reflectancia, degradando la textura y el detalle.

2. Metodología: Arquitectura WREN

Los autores proponen WREN, una red neuronal diseñada para adherirse estrictamente a los principios de la teoría de Retinex para superar el sobre-suavizado y la sensibilidad al rango dinámico. WREN emplea una estructura de doble U-Net que consta de dos sub-redes:

3.1. Red de Descomposición de Retinex ($U_1$)

Esta red utiliza un codificador compartido con dos decodificadores separados para descomponer la imagen de baja iluminación de entrada ($I_{low}$) en:

• Mapa de Reflectancia ($R$): Representa el color de la superficie intrínseco.
• Mapa de Iluminación ($L_{low}$): Representa la intensidad de la luz incidente.

Decisión de Diseño Clave: A diferencia de otros enfoques que refinan el mapa de reflectancia, WREN mantiene el mapa de reflectancia descomuesto $R$ sin cambios. Esto sigue estrictamente el supuesto de Retinex de que la reflectancia es invariante a las condiciones de iluminación y debe estar libre de ruido.

3.2. Red de Compensación de Iluminación ($U_2$)

Esta red se enfoca exclusivamente en mejorar el mapa de iluminación ($L_{low}$) obtenido de $U_1$. Emplea una arquitectura U-Net personalizada con los siguientes componentes específicos:

• Bloque Transformer: Insertado entre el codificador y el decodificador para capturar características no locales y promover la suavidad de la iluminación no local, ayudando en la reducción de ruido.
• Bloques de Atención: Integrados para enfocarse en las características relevantes.
• Filtros Guiados Entrenables: Utilizados en el decodificador para eliminar fuertemente el ruido en las regiones de baja iluminación mientras se preservan los bordes y las texturas.
• Bloques Residuales: Utilizados para mantener la integridad de las características.

La imagen mejorada final se reconstruye recombinando el mapa de reflectancia sin cambios ($R$) y el mapa de iluminación mejorado ($L_{normal}$) mediante multiplicación elemento a elemento: $I_{recon} = R \odot L_{normal}$.

3.3. Funciones de Pérdida

WREN se entrena de extremo a extremo utilizando una función de pérdida compuesta diseñada para la robustez:

• Pérdida de Descomposición ($L_{decomp}$): Incluye un término de fidelidad de reconstrucción y una pérdida Invariante de Escala (SI). La pérdida SI es crucial ya que es matemáticamente invariante al reescalado global del mapa de iluminación, proporcionando robustez contra los cambios en el rango dinámico.
• Pérdida de Mejora ($L_{enh}$): Una combinación de Similitud Estructural Multi-Escala (MS-SSIM), pérdida perceptual (características VGG-16), distancia de color CIE $L^*a^*b^*$ y una penalización de bisagra (hinge penalty) para evitar que los valores excedan 1.0.

3. Contribuciones Clave

1. Estructura de Doble U-Net: Una arquitectura novedosa que separa la descomposición de la mejora de la iluminación, adhiriéndose estrictamente al supuesto de Retinex de que la reflectancia es libre de ruido e invariante.
2. Entrenamiento Invariante de Escala: La introducción de una función de pérdida invariante de escala que asegura que el modelo sea robusto a través de diferentes rangos dinámicos y condiciones de iluminación, abordando un punto de falla común en los métodos de LLIE existentes.
3. Reducción de Ruido de Iluminación Dirigida: Al aislar el mapa de iluminación para su mejora mediante bloques Transformer y filtros guiados, el método evita los artefactos de sobre-suavizado típicamente causados por el refinamiento de la imagen combinada.

4. Resultados Experimentales

Los autores evaluaron WREN en cinco conjuntos de datos: LOLv1, SICE, LIEQ, NTIRE 2024 y MIT-Adobe FiveK. El modelo fue entrenado en LOLv1 y probado en todos los conjuntos de datos para demostrar la generalización.

• Rendimiento Cuantitativo: WREN logró resultados de vanguardia (SOTA) en todos los indicadores (PSNR, SSIM, LPIPS y MAE) en comparación con seis líneas base (ReDDiT, Retinexformer, RetinexNet, SNR-Net, KinD++ y Zero-DCE). Notablemente, superó al método reciente ReDDiT por >1 dB en PSNR y >0.1 en LPIPS.
• Rendimiento Cualitativo:
  • Regiones Oscuras: WREN se desempeñó de manera comparable a los mejores métodos en regiones puramente oscuras.
  • Iluminación Mixta: En escenas con iluminación mixta (por ejemplo, cielo y suelo oscuro), WREN mejoró con éxito las áreas de baja iluminación sin sobreexponer las regiones de luz normal. En contraste, métodos como Retinexformer causaron cambios de color en el cielo, mientras que otros (ReDDiT, RetinexNet, etc.) resultaron en imágenes sobreexpuestas.
  • Manejo de Ruido: A diferencia de los métodos que amplifican el ruido del sensor (por ejemplo, RetinexNet, LIME), WREN suprime eficazmente el ruido en las regiones oscuras sin introducir cambios de color molestos.

5. Significación y Reivindicaciones

El artículo afirma que la significación de WREN radica en su capacidad para lograr un rendimiento robusto y de vanguardia en múltiples conjuntos de datos con variaciones en el rango dinámico, siguiendo estrictamente los supuestos teóricos de Retinex. Al desacoplar el refinamiento de la iluminación de la preservación de la reflectancia, el método elimina los artefactos de sobre-suavizado que limitan las tareas de visión computacional posteriores. Los autores enfatizan que su enfoque proporciona una solución estable de extremo a extremo que es menos sensible a los rangos dinámicos específicos de los datos de entrenamiento en comparación con los métodos de LLIE basados en aprendizaje profundo existentes.