Amélioration d’images en faible éclairage par diffusion ondelette guidée par CLIP-Fourier

Les techniques d’amélioration d’images en faible éclairage ont connu des progrès significatifs, mais la récupération instable de la qualité d’image et une perception visuelle insatisfaisante restent des défis majeurs. Pour résoudre ces problèmes, nous proposons une nouvelle méthode robuste d’amélioration d’images en faible éclairage, basée sur une diffusion ondelette guidée par CLIP-Fourier, abrégée en CFWD (CLIP-Fourier Guided Wavelet Diffusion). Plus précisément, CFWD exploite les informations visuelles et linguistiques multimodales dans l’espace de fréquence, construit par des transformations ondelettes multiples, afin de guider le processus d’amélioration. La supervision multi-échelle à travers différentes modalités permet une meilleure alignement des caractéristiques d’image avec les caractéristiques sémantiques durant le processus de diffusion ondelette, ce qui permet efficacement de réduire l’écart entre les domaines dégradés et normaux. En outre, pour favoriser davantage la récupération détaillée des images, nous combinons la transformation de Fourier avec la transformation ondelette afin de concevoir un module hybride de perception des hautes fréquences (HFPM), doté d’une forte sensibilité aux détails. Ce module évite les confusions liées à la diversité du processus de diffusion ondelette en guidant la reconstruction de structures à très fine échelle des résultats d’amélioration, aboutissant à une amélioration optimale tant au niveau des métriques que de la perception visuelle. Des expérimentations quantitatives et qualitatives étendues sur des benchmarks réels publics démontrent que notre approche surpasse les méthodes de pointe existantes, réalisant des progrès significatifs en termes de qualité d’image et de suppression du bruit. Le code du projet est disponible à l’adresse suivante : https://github.com/hejh8/CFWD.