RL-AWB：低光夜间场景中用于自动白平衡校正的深度强化学习方法

•

原作者:Yuan-Kang Lee et al.

•

2026年1月8日

Gemini AI生成的图像

RL-AWB框架通过将统计方法与深度强化学习相结合，解决了计算摄影中的夜间色彩恒常性问题。该框架采用了一种专门设计的统计算法来检测灰色像素和估计光照，并动态优化参数，模拟专家的调优过程。一个新的多传感器夜间数据集支持跨传感器评估，显示出在不同光照条件下性能的提升。更多详情请访问项目页面。

新框架利用深度强化学习进行夜间白平衡校正

研究人员揭示了RL-AWB，这是一个旨在增强低光夜间摄影中色彩恒常性的框架，解决了与低光噪声和复杂光照条件相关的挑战。

RL-AWB将统计方法与深度强化学习（DRL）结合，以改善白平衡。它使用统计算法处理夜间场景，包括灰色像素检测和光照估计，以应对夜间环境带来的独特挑战。

值得注意的是，这是深度强化学习首次应用于色彩恒常性，针对个别图像优化参数，以提高低光环境下的色彩再现质量。

研究团队介绍了首个多传感器夜间数据集，以便进行全面的跨传感器评估，为未来的夜间摄影研究提供了宝贵的资源。

实验结果表明，RL-AWB在低光条件下表现出色，并在各种光照场景中显示出优越的泛化能力，这对实际应用至关重要。