GLOW-FM: miglioramento efficiente delle immagini in condizioni di scarsa illuminazione con flow matching latente generativo a un solo passaggio

Abstract degli autori

Il miglioramento delle immagini in condizioni di scarsa illuminazione (LLIE) mira a recuperare immagini correttamente esposte e fedeli alla percezione a partire da osservazioni gravemente degradate. I recenti metodi generativi basati sulla diffusione raggiungono un’elevata qualità percettiva grazie all’impiego di potenti prior sulle immagini, ma il campionamento iterativo comporta un notevole costo computazionale, che ne limita l’impiego pratico. Nonostante i recenti progressi in termini di efficienza nella LLIE generativa, ottenere un miglioramento di alta qualità con una sola valutazione della funzione e un costo computazionale complessivo contenuto resta difficile, soprattutto in presenza di condizioni di scarsa illuminazione diverse e riscontrabili nel mondo reale. Presentiamo GLOW-FM, un framework di flow matching latente a un solo passaggio per una LLIE generativa efficiente. GLOW-FM esegue un trasporto condizionale nello spazio latente di un Tiny-VAE congelato e sfrutta il Terminal Velocity Matching (TVM) per consentire il miglioramento con una sola valutazione della funzione. I confronti a parità di condizioni con obiettivi alternativi a un solo passaggio indicano che il TVM è una scelta progettuale efficace e, per quanto ne sappiamo, questa è la sua prima applicazione al restauro delle immagini e, nello specifico, alla LLIE. Esperimenti approfonditi su benchmark impegnativi basati su immagini del mondo reale dimostrano che GLOW-FM offre una qualità delle immagini competitiva e una generalizzazione cross-dataset allo stato dell’arte, richiedendo una sola valutazione della funzione e 34 GFLOPs per la variante small. Questi risultati evidenziano il potenziale di GLOW-FM nel rendere la LLIE generativa più vicina all’impiego pratico, grazie all’inferenza in un solo passaggio e alla modellazione latente compatta. Il codice sarà reso pubblicamente disponibile al momento della pubblicazione.