【CVPR 2025】SG-LLIE低光增强算法结构解析与代码实现——从Retinex理论到Transformer设计

1. 从Retinex理论到SG-LLIE：低光增强的演进之路

大家好，我是老张，一个在图像处理领域摸爬滚打了十多年的工程师。今天想和大家深入聊聊CVPR 2025上备受关注的一个新工作——SG-LLIE低光增强算法。这个算法在NTIRE 2025低光增强挑战赛中拿到了第二名的好成绩，实力不容小觑。很多朋友一听到“Transformer”、“结构引导”这些词可能就有点发怵，觉得太理论、太复杂。别担心，今天我就用最接地气的方式，带大家从最基础的Retinex理论开始，一步步拆解SG-LLIE的整个设计思路和代码实现，保证让你听得懂、学得会。

我们先从最根本的问题说起：为什么低光环境下的照片那么难处理？简单来说，就是光线不足导致相机传感器接收到的信号太弱，图像不仅暗，还充满了噪声和颜色失真。传统的增强方法，比如直接拉高亮度（Gamma校正）或者做直方图均衡，往往会让噪声一起被放大，画面看起来又脏又假。这时候，Retinex理论就登场了。这个理论的核心思想非常直观：它认为我们人眼看到的图像，是由“光照”和“反射”两部分相乘得到的。光照分量代表了环境光的强弱和分布，而反射分量才是物体本身的颜色和纹理。低光增强的目标，其实就是从一张昏暗的输入图像中，尽可能准确地分离并增强反射分量，同时抑制或去除光照不均带来的影响。

SG-LLIE这个名字里的“SG”代表“Structure-Guided”，也就是“结构引导”。这是它最核心的创新点。以往的很多方法，包括一些基于Retinex的深度学习模型，在估计光照和反射分量时，容易过度平滑或者破坏图像的边缘、纹理等结构信息。SG-LLIE聪明地引入了一个“结构先验”来引导整个增强过程。这个先验信息就像一个经验丰富的向导，告诉网络：“这里是物体的边缘，要保护好；这里的纹理很细腻，不要抹平了。” 这样一来，增强后的图像就能在提亮的同时，最大程度地保持清晰度和自然感。它没有直接使用RetinexFormer里的光照引导，而是自己设计了一套全新的结构先验提取机制，并把这个先验作为引导信号，输入到其核心的Transformer模块（论文里叫SGTB，结构引导Transformer块）中，通过内部的交叉注意力机制来指导低光图像的增强，特别关注结构和细节的保持。

2. 核心架构总览：SG-LLIE是如何工作的

在深入代码之前，我们得先对SG-LLIE的整体架构有个宏观的认识。这样再看那些复杂的模块时，你才知道它们各自扮演什么角色，以及是如何串联起来的。整个SG-LLIE的流程可以看作一个“先分析，后增强”的两阶段管道，但它比传统的两阶段方法要精巧和深入得多。

第一阶段：结构先验提取与光照初步估计 算法并不是一上来就直接处理原始的低光图像。它首先会通过一个轻量级的子网络，从输入图像中提取出一个“结构先验图”。这个图可以理解为图像中边缘、轮廓和主要纹理结构的抽象表达。与此同时，另一个并行的分支会进行初步的光照估计，得到一个粗糙的光照图。这个阶段的目标是快速获取图像的全局结构信息和光照分布概况，为后续的精细处理提供关键的引导信号。你可以把这个阶段想象成画家在作画前，先用淡淡的线条勾勒出物体的轮廓和明暗关系，打好底稿。

第二阶段：结构引导的精细化增强 这是算法的核心。初步估计的光照图和提取的结构先验图，会被一起送入一个基于U-Net架构的主干网络中进行精细化处理。这个主干网络就是SG-LLIE的“发动机”。它的编码器-解码器结构能够捕捉图像的多尺度信息。而在这个U-Net的每一层，都嵌入了刚才提到的SGTB（结构引导Transformer块）。SGTB是Transformer架构在图像域的一个巧妙应用。它利用“自注意力”机制让图像各个区域的信息进行全局交互，同时利用“交叉注意力”机制，让当前正在处理的图像特征去“询问”结构先验图：“我这个地方应该增强成什么样？边缘该怎么保持？” 通过这种持续的引导，网络能够在增强亮度、去除噪声的同时，牢牢地“记住”并强化图像原有的结构。

多尺度与渐进式优化 SG-LLIE的U-Net主干和其中的SGTB模块是工作在多个尺度上的。编码器不断下采样，捕捉图像的全局上下文和语义信息；解码器再逐步上采样，恢复细节。这种多尺度设计让算法既能处理大范围的照明变化，又能修复细微的纹理。此外，整个模型往往以“渐进式”的方式堆叠多个阶段，前一个阶段的输出作为后一个阶段的输入，像流水线一样逐步优化图像质量，最终输出清晰、明亮且自然的增强结果。

3. 代码实现深度解析：从模块到网络

看懂了整体框架，我们现在就打开代码，看看这些炫酷的想法是怎么一行行实现的。我会结合论文中的关键模块，用代码片段和通俗解释，带你走一遍核心流程。我们主要关注两个核心文件：RetinexFormer_arch.py（实现核心Transformer块和Retinex流程）和 UHDM_arch.py（实现基于U-Net的主干网络，这里被用作SG-LLIE的骨干）。

3.1 基础构建块：注意力、归一化与卷积

任何复杂的网络都是由基础层堆砌而成的。SG-LLIE也不例外，它复用并定制了一些非常经典且有效的组件。

PreNorm与层归一化 在Transformer里，我们常看到“Pre-Norm”和“Post-Norm”的争论。SG-LLIE采用了PreNorm，也就是在多头自注意力（MSA）或前馈网络（FFN）这些主要计算模块之前进行层归一化（LayerNorm）。我自己的实验经验是，PreNorm通常能让训练更稳定，特别是网络很深的时候，它能缓解梯度消失或爆炸的问题，让你更容易训练出又深又强大的模型。代码里就是一个简单的包装器：

class PreNorm(nn.Module):
    def __init__(self, dim, fn): # dim: 特征维度， fn: 要包装的主计算模块
        super().__init__()
        self.norm = nn.LayerNorm(dim)
        self.fn = fn
    def forward(self, x, **kwargs):
        x = self.norm(x) # 先归一化
        return self.fn(x, **kwargs) # 再执行主计算

GELU激活函数 为什么用GELU而不是ReLU？GELU（高斯误差线性单元）是Transformer的标配。你可以把它理解为一个“更平滑的ReLU”。对于负的输入，ReLU直接输出0，而GELU会给予一个很小的、非零的梯度。这种平滑性让模型在训练时更容易优化，能学习到更复杂的模式。它的实现就是简单调用F.gelu(x)。

深度可分离卷积 代码里有一个conv工具函数和大量使用的深度可分离卷积（groups参数等于输入输出通道数）。深度可分离卷积把标准卷积拆成两步：先对每个输入通道单独做空间卷积（深度卷积），再用1x1卷积（逐点卷积）进行通道融合。这样做能大幅减少参数量和计算量，是移动端和高效模型常用的技巧。在SG-LLIE中，它被广泛用于特征提取和变换，既保证了感受野，又控制了模型复杂度。

3.2 光照