GLOW-FM: Efficient Generative Low-Light Image Enhancement with One-Step Latent Flow Matching

Ariel Lapid, Yuval Haitman, Reuven Peretz, Arnon Netzer, Idit Diamant

2026-11-02▲ 10arXiv 2610.31222v1 Hugging Face 代码

本页由 AI 根据论文全文生成（deepseek-flash），可能有误，请以原文为准。

一句话

GLOW-FM 是一个一步式潜空间流匹配框架，用于低光图像增强；它在冻结的 Tiny-VAE 潜空间中使用终端速度匹配（TVM），且只需一次函数评估。

要解决的问题

低光图像存在严重欠曝、噪声、颜色失真、对比度降低、细节丢失和局部饱和，且这些现象会随相机和成像条件变化。基于回归的 LLIE 方法效率高，但在严重退化下常产生过度平滑的结果并抑制细节。基于扩散的生成式 LLIE 可提升感知质量，但迭代采样计算成本高。近期高效生成式 LLIE 降低了 NFE，但仍依赖迭代细化且计算量可观，使单步高质量增强仍具挑战。

方法

GLOW-FM 将 LLIE 建模为低光分布 p1(x1) 与正常光分布 p0(x0) 之间的条件流匹配，源位于 t=1，目标位于 t=0。它在冻结 VAE 的潜空间中执行传输，使用 z1=E(x1) 和 z0=E(x0)，并用终端速度匹配（TVM）训练一个两次条件模型 Fθ(z_t,t,s)。该模型将有限位移参数化为 fθ(z_t,t,s)=(s-t)Fθ(z_t,t,s)，在 s=t 时恢复瞬时速度。训练将瞬时速度上的 FM 损失与 TVM 损失结合；TVM 损失使用停止梯度和 λ 的预热调度，使关于终端时间的导数匹配 EMA 目标速度。源潜变量用 σ=0.01 的高斯噪声扰动；推理时，M=1 使用 t=1 和 s=0 一步传输编码后的低光潜变量并解码。

实验结果

GLOW-FM-S 在 LSD-DLL 上以 1 NFE 和 34 GFLOPs 达到 19.7 PSNR 和 37.1 MUSIQ。 §4.2
GLOW-FM-S 在 DICM、LIME、MEF、NPE 和 VV 上取得平均 NIQE 2.83 和 BRISQUE 10.9。 §4.3
在 LSD-U 上，GLOW-FM-XL 以 1 NFE 获得 NIQE 4.33 和 MUSIQ 28.4。 §4.3
在匹配的 TAESD 一步变体中，采用 TVM 的 GLOW-FM 在 48 GFLOPs 下获得 PSNR 20.3、SSIM 0.55、MUSIQ 36.0 和 NIQE 2.92。 §4.4
将训练集规模从约 0.2K 增至 3.0K 图像对，可使 PSNR 从 16.8 提升到 20.3 dB，MUSIQ 从 34.5 提升到 36.0。 §4.4
用 TAESD 替换 SD-VAE 可将编码/解码 GFLOPs 降低 15×、参数量降低 33×，而端到端恢复性能损失极小。 §3.4

局限

未提供专门的局限性章节。论文报告在 LOL-v1 上失真性能较弱，并指出在 UHD-LOL4K 上某些面向失真的指标上非生成方法仍然更强。[§4.2]
跨数据集泛化在无配对参考的非配对数据集上评估，仅使用无参考 NIQE 和 BRISQUE 指标。[§4.1]
LOL-v1 的失真弱点被假设源于训练数据有限；论文用数据规模实验支持这一点，但未证明它能在所有基准上消除差距。[§4.2]

要点

源位于 t=1，目标位于 t=0，与原始 Flow Matching 约定相反。 §3
两次模型预测有限位移，缩放使 s=t 时位移为零。 §3.1
FM 损失监督 s=t 且 Fθ 表示瞬时速度的边界情形。 §3.2
TVM 损失使用 EMA 副本作为目标代理，并对预测的终端潜变量使用停止梯度。 §3.2
M=1 推理使用 t=1 和 s=0，且需要一次网络评估。 §3.3
源潜变量用 σ=0.01 的高斯噪声扰动。 §4.1
HDiT 将全局注意力限制在低分辨率阶段，并在更高分辨率使用固定窗口邻域注意力。 §3.4
GLOW-FM-S 使用 34 GFLOPs 和 9.1M 参数，一次 NFE。 §4.2

思维导图

mindmap
  root["GLOW-FM"]
    ["问题"]
      ["迭代生成式 LLIE 成本"]
      ["回归方法过度平滑细节"]
      ["单步质量挑战"]
    ["方法"]
      ["潜空间流匹配"]
      ["终端速度匹配 TVM"]
      ["冻结 Tiny-VAE 潜空间"]
      ["一步与少步推理"]
    ["训练"]
      ["对源潜变量加噪声"]
      ["FM 损失锚定速度"]
      ["TVM 损失使用 EMA 目标"]
      ["λ 预热调度"]
    ["架构"]
      ["HDiT 两次流模型"]
      ["线性注意力缩放"]
      ["TAESD 编解码器"]
    ["评估"]
      ["LSD-DLL 与 UHD-LOL4K"]
      ["LSD-U 与跨数据集"]
      ["1 NFE 与低 GFLOPs"]
    ["结果"]
      ["具竞争力质量"]
      ["跨数据集泛化"]
      ["部分数据集失真较弱"]