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

1. Il Problema

Le immagini catturate in condizioni di scarsa illuminazione (low-light) soffrono di visibilità ridotta, rumore severo e distorsioni cromatiche. Questo degrada non solo la qualità visiva, ma impedisce anche il corretto funzionamento di compiti di visione artificiale a valle (come il rilevamento di oggetti o la segmentazione).
Sebbene i metodi di Low-Light Image Enhancement (LLIE) basati sul deep learning abbiano fatto grandi progressi, le architetture più performanti (come RetinexFormer o HVI-CIDNet) sono spesso pesanti, basate su Transformer e richiedono milioni di parametri.
Il problema centrale affrontato dagli autori è: come progettare una rete LLIE estremamente leggera (sotto 1 MB in fp16) che mantenga una qualità percettiva competitiva? Le architetture esistenti, quando ridotte drasticamente di dimensioni, perdono efficacia perché i loro "front-end" appresi (per la stima dell'illuminazione) richiedono una certa larghezza e profondità per funzionare.

2. Metodologia

Gli autori propongono un framework a due stadi che separa la correzione della luminosità dalla correzione del colore, sfruttando un approccio ibrido tra algoritmi classici e reti neurali leggere.

A. Fase 1: Preprocessing Basato su Algoritmi (Congelato)

Invece di far apprendere alla rete la correzione della luminosità (un compito complesso che richiede molti parametri), lo spostano su pre-processori algoritmici fissi (frozen).

• Input: L'immagine a bassa luminosità originale viene elaborata da due metodi complementari:
  1. CPGA-Net: Una rete leggera basata su priors di canale e correzione gamma (addestrata e congelata).
  2. CLAHE: Equalizzazione dell'istogramma adattiva limitata sul canale L dello spazio colore CIE Lab.
• Concatenazione: L'output di questi due metodi viene concatenato con l'immagine RGB originale, creando un input a 9 canali.
• Obiettivo: Questa strategia "normalizza la distribuzione" dei dati. Fornisce alla rete diverse "viste" della scena con livelli di luminosità corretti, riducendo la varianza inter-immagine e intra-immagine. La rete non deve più imparare a correggere la luminosità da zero, ma si concentra solo sulla correzione residua del colore e sul recupero dei dettagli.

B. Fase 2: U-Net Leggero con Convoluzioni Depthwise

La parte addestrabile è una U-Net compatta costruita interamente con blocchi di convoluzioni depthwise-separable (DWConv).

• Architettura: Una U-Net a 3 livelli.
  • Encoder: Proietta l'input a 9 canali, poi riduce la risoluzione raddoppiando i canali (struttura gerarchica standard).
  • Decoder: Ricostituisce l'immagine tramite upsampling bilineare e connessioni skip.
  • Blocchi: Ogni blocco utilizza convoluzioni 3x3 depthwise, GroupNorm, attivazione GELU e connessioni residue.
• Efficienza: L'uso di DWConv riduce drasticamente il numero di parametri rispetto alle convoluzioni standard o ai blocchi Transformer, mantenendo una capacità rappresentativa sufficiente per la correzione cromatica.

C. Funzione di Perdita

L'addestramento utilizza una combinazione di:

• Perdita L1 (Pixel-wise): Per la fedeltà strutturale.
• Perdita LPIPS (Perceptual): Per migliorare la qualità percettiva e ridurre le distorsioni visive.

3. Contributi Chiave

1. Framework a Due Stadi: Un approccio che disaccoppia la normalizzazione della luminosità (affidata ad algoritmi congelati) dalla restaurazione del colore (affidata a una rete leggera).
2. Efficienza dei Parametri: Dimostrazione che, con un budget di parametri limitato (~338K - 859K), l'architettura proposta supera le versioni ridotte (scaled-down) di modelli complessi come RetinexFormer e HVI-CIDNet.
3. Principio di Normalizzazione della Distribuzione: L'idea fondamentale che non è cruciale quale algoritmo di preprocessing si usi, ma che si forniscano viste complementari normalizzate che riducano la varianza della distribuzione di input. Anche semplici correzioni gamma o histogram equalization funzionano bene quanto reti complesse congelate.
4. Risultati Competitivi: Il metodo ha ottenuto il 4° posto nella sfida CVPR 2026 NTIRE Efficient Low-Light Image Enhancement, con un modello "Mid" (859K parametri) che supera RetinexFormer (1.6M parametri) in termini di LPIPS.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti su LOLv1, LOLv2-Real e LOLv2-Synthetic, confrontando i risultati senza normalizzazione della media del Ground Truth (protocollo realistico).

• Confronto con SOTA:
  • Il modello Ours-Mid (859K) ottiene un LPIPS di 0.099 su LOLv1, superando RetinexFormer (1.6M, LPIPS 0.161) e avvicinandosi a HVI-CIDNet (2.0M, LPIPS 0.086).
  • Il modello Ours-Tiny (338K) ottiene le migliori metriche percettive (LPIPS, DISTS) nella categoria sotto 1 MB, superando di gran lunga le versioni ridotte degli altri modelli.
• Ablazione sul Preprocessing:
  • L'uso di input a 9 canali (con preprocessing) migliora significativamente sia PSNR che LPIPS rispetto all'input RGB grezzo a 3 canali.
  • La scelta specifica dell'algoritmo (CPGA vs Gamma vs CLAHE) ha un impatto minimo: tutte le combinazioni di preprocessing funzionano bene, confermando che il beneficio deriva dalla diversità delle viste normalizzate, non dall'algoritmo specifico.
• Ablazione sulla Loss:
  • L'aggiunta della perdita LPIPS riduce l'errore percettivo del 56% (da 0.224 a 0.099) con un lieve guadagno anche in PSNR.

5. Significato e Implicazioni

Questo lavoro offre un nuovo paradigma per la progettazione di reti di restauro immagini efficienti:

• Spostamento del carico computazionale: Invece di far apprendere alla rete compiti complessi come la stima dell'illuminazione (che richiede molti parametri), si delegano questi compiti ad algoritmi classici o reti congelate.
• Scalabilità: Dimostra che le architetture basate su Transformer o con front-end appresi non scalano bene verso il basso (sotto 1M parametri), mentre un approccio ibrido (algoritmo + rete leggera) mantiene l'efficacia.
• Applicabilità Reale: Il modello è abbastanza leggero da essere implementato su dispositivi mobili o embedded con vincoli di memoria stretti (sotto 1 MB), rendendo l'enhancement di immagini low-light accessibile anche in contesti con risorse limitate.

In sintesi, gli autori dimostrano che la chiave per l'efficienza non è solo comprimere la rete, ma riprogettare il flusso di lavoro per semplificare il compito che la rete deve imparare, sfruttando la normalizzazione della distribuzione dei dati tramite preprocessing.