Resumo Técnico: WREN - Melhoria de Imagem em Baixa Luminosidade Usando Estruturas Semelhantes a Double U-Net Baseadas na Teoria de Retinex

1. Definição do Problema

A melhoria de imagens em baixa luminosidade (LLIE) é crítica para aplicações como visão noturna, busca e salvamento, e vigilância, onde acidentes de trânsito, desastres e crimes frequentemente ocorrem em ambientes escuros. Os métodos de LLIE existentes tipicamente sofrem de três desafios primários:

1. Decomposição de Retinex Não Trivial: A decomposição de uma imagem em refletância (cor intrínseca) e iluminação (condições de luz) não é única e é um problema mal posto (ill-posed).
2. Instabilidade no Aprendizado de Ponta a Ponta: O treinamento conjunto das etapas de compensação de iluminação e refinamento frequentemente leva a uma convergência instável.
3. Sensibilidade à Faixa Dinâmica: Muitos métodos de estado da arte falham em generalizar para variadas condições de iluminação, resultando frequentemente em sobre-melhoria ou sub-melhoria quando a faixa dinâmica da cena de teste difere dos dados de treinamento.

Uma limitação específica identificada em abordagens de dois estágios atuais (decomposição seguida de refinamento) é o suavizamento excessivo (over-smoothing). Como a etapa de refinamento opera na imagem sintetizada de luz normal (o produto da refletância e da iluminação), ela assume implicitamente que o ruído existe no mapa de refletância. No entanto, de acordo com a teoria de Retinex, o mapa de refletância deve ser livre de ruído. Consequentemente, suavizar a imagem combinada acaba suavizando o mapa de refletância, degradando a textura e o detalhe.

2. Metodologia: Arquitetura WREN

Os autores propõem o WREN, uma rede neural projetada para aderir estritamente aos princípios da teoria de Retinex para superar o suavizamento excessivo e a sensibilidade à faixa dinâmica. O WREN emprega uma estrutura de duplo U-Net consistindo em duas sub-redes:

3.1. Rede de Decomposição de Retinex ($U_1$)

Esta rede utiliza um codificador compartilhado com dois decodificadores separados para decompor a imagem de baixa luminosidade de entrada ($I_{low}$) em:

• Mapa de Refletância ($R$): Representa a cor intrínseca da superfície.
• Mapa de Iluminação ($L_{low}$): Representa a intensidade da luz incidente.

Escolha de Design Chave: Diferente de outras abordagens que refinam o mapa de refletância, o WREN mantém o mapa de refletância decomposto $R$ inalterado. Isso segue estritamente a suposição de Retinex de que a refletância é invariante às condições de iluminação e deve ser livre de ruído.

3.2. Rede de Compensação de Iluminação ($U_2$)

Esta rede foca exclusivamente em melhorar o mapa de iluminação ($L_{low}$) obtido de $U_1$. Ela emprega uma arquitetura U-Net customizada com os seguintes componentes específicos:

• Bloco Transformer: Inserido entre o codificador e o decodificador para capturar características não locais e promover a suavidade não local da iluminação, auxiliando na redução de ruído.
• Blocos de Atenção: Integrados para focar em características relevantes.
• Filtros Guiados Treináveis: Usados no decodificador para realizar uma redução de ruído forte em regiões de baixa luminosidade enquanto preservam bordas e texturas.
• Blocos Residuais: Usados para manter a integridade das características.

A imagem final melhorada é reconstruída recombinando o mapa de refletância inalterado ($R$) e o mapa de iluminação melhorado ($L_{normal}$) via multiplicação elemento a elemento: $I_{recon} = R \odot L_{normal}$.

3.3. Funções de Perda

O WREN é treinado de ponta a ponta usando uma função de perda composta projetada para robustez:

• Perda de Decomposição ($L_{decomp}$): Inclui um termo de fidelidade de reconstrução e uma perda Invariante de Escala (SI). A perda SI é crucial, pois é matematicamente invariante ao redimensionamento global do mapa de iluminação, proporcionando robustez contra mudanças na faixa dinâmica.
• Perda de Melhoria ($L_{enh}$): Uma combinação de Similaridade Estrutural Multi-Escala (MS-SSIM), perda perceptual (recursos VGG-16), distância de cor CIE $L^*a^*b^*$ e uma penalidade hinge para evitar que os valores excedam 1.0.

3. Principais Contribuições

1. Estrutura de Duplo U-Net: Uma arquitetura inovadora que separa a decomposição do aprimoramento da iluminação, aderindo estritamente à suposição de Retinex de que a refletância é livre de ruído e invariante.
2. Treinamento Invariante de Escala: A introdução de uma função de perda invariante de escala que garante que o modelo permaneça robusto através de diferentes faixas dinâmicas e condições de iluminação, abordando um ponto de falha comum em métodos de LLIE existentes.
3. Redução de Ruído de Iluminação Direcionada: Ao isolar o mapa de iluminação para o aprimoramento usando blocos Transformer e filtros guiados, o método evita os artefatos de suavizamento excessivo tipicamente causados pelo refinamento da imagem combinada.

4. Resultados Experimentais

Os autores avaliaram o WREN em cinco conjuntos de dados: LOLv1, SICE, LIEQ, NTIRE 2024 e MIT-Adobe FiveK. O modelo foi treinado no LOLv1 e testado em todos os conjuntos de dados para demonstrar generalização.

• Desempenho Quantitativo: O WREN alcançou resultados de estado da arte (SOTA) em todas as métricas (PSNR, SSIM, LPIPS e MAE) comparado a seis bases (ReDDiT, Retinexformer, RetinexNet, SNR-Net, KinD++ e LIME). Notavelmente, superou o método recente ReDDiT em >1 dB em PSNR e >0.1 em LPIPS.
• Desempenho Qualitativo:
  • Regiões Escuras: O WREN teve desempenho comparável aos principais métodos em regiões puramente escuras.
  • Iluminação Mista: Em cenas com iluminação mista (ex: céu e solo escuro), o WREN conseguiu melhorar áreas de baixa luminosidade sem superexpor regiões de luz normal. Em contraste, métodos como o Retinexformer causaram desvios de cor no céu, enquanto outros (ReDDiT, RetinexNet, etc.) resultaram em imagens superexpostas.
  • Tratamento de Ruído: Diferente de métodos que amplificam o ruído do sensor (ex: RetinexNet, LIME), o WREN suprime efetivamente o ruído em regiões escuras sem introduzir mudanças de cor incômodas.

5. Significância e Alegações

O artigo afirma que a significância do WREN reside em sua capacidade de alcançar um desempenho robusto de estado da arte através de múltiplos conjuntos de dados com variadas faixas dinâmicas, seguindo estritamente as suposições teóricas da teoria de Retinex. Ao desacoplar o refinamento da iluminação da preservação da refletância, o método elimina os artefatos de suavizamento excessivo que limitam tarefas de visão computacional subsequentes. Os autores enfatizam que sua abordagem fornece uma solução estável de ponta a ponta que é menos sensível às faixas dinâmicas específicas dos dados de treinamento em comparação com os métodos de LLIE baseados em aprendizado profundo existentes.