（论文速读）CWNet：用于微光图像增强的因果小波网络

论文题目：CWNet: Causal Wavelet Network for Low-Light Image Enhancement（用于微光图像增强的因果小波网络）

会议：ICCV2025

摘要：传统的微光图像增强(LLie)方法主要关注均匀的亮度调整，往往忽略了实例级的语义信息和不同特征的内在特征。为了解决这些局限性，我们提出了一种利用小波变换进行因果推理的新型结构--CWNet(因果小波网络)。具体地说，我们的方法包括两个关键部分：1)受因果关系干预概念的启发，我们采用因果推理的观点来揭示微光增强中潜在的因果关系。从全局的角度来看，我们使用度量学习策略来确保因果嵌入遵循因果原则，将它们与非因果混淆因素分开，同时关注因果因素的不变性。在局部层次上，我们引入了实例级的裁剪语义损失来精确地维护因果因素的一致性。2)在因果分析的基础上，提出了一种基于小波变换的主干网络，该网络有效地优化了频率信息的恢复，确保了针对小波变换特定属性的精确增强。大量的实验表明，CWNet在多个数据集上的性能显著优于当前最先进的方法，展示了其在不同场景中的健壮性能。

CWNet：用因果推理和小波变换重新定义低光照图像增强

一、论文指出的问题

在深入介绍 CWNet 之前，我们先梳理一下这篇论文的出发点——现有方法存在哪些核心局限。

1.1 忽视实例级语义信息

传统低光照增强（LLIE）方法的目标几乎全部集中在均匀亮度调整上，不论是 gamma 校正、Retinex 理论还是直方图均衡化，都把图像视为一个整体来提亮。深度学习方法虽然有所改进，但同样缺乏对实例级语义信息的建模。论文通过 ATE（平均处理效应）热力图分析直观地证明了这一点：不同语义区域（如天空、建筑、植被）对光照退化的敏感程度差异显著，但现有方法对所有区域一视同仁。

【此处配图：图2— ATE 热力图分析。展示 Ground Truth、光照退化样本、颜色异常样本，以及对应的 ATE 热力图，亮度越高代表该区域对退化越敏感。】

1.2 频率域特征利用不充分

基于频率域的方法是 LLIE 的重要分支。论文指出当前方法存在两类问题：

• 基于傅里叶变换的方法（如 FourLLIE、DMFourLLIE）擅长捕获全局低频信息、整体提亮，但缺乏空间局部性，难以保留边缘和纹理等高频细节，往往"亮了但糊了"。
• 基于小波变换的方法（如 Wave-Mamba）虽然具有优秀的空间局部性，能够分离图像内容和噪声，但没有充分利用小波频域各子带的独特特性（水平、垂直、对角高频分量各有不同的物理意义），限制了恢复潜力。

1.3 颜色和语义一致性难以保证

许多先进方法在提升亮度的同时，会出现颜色偏移或语义失真。虽然部分工作（如 SKF）引入了语义分割网络来辅助增强，CLIP 也被一些方法用于语义引导，但这些方法只关注全局语义一致性，缺乏实例级（instance-level）的精细一致性保障。

二、CWNet 的核心创新

针对上述三大问题，CWNet 提出了两条主线创新，共同构成一个有机整体。

2.1 创新一：面向 LLIE 的因果推理框架

这是本文最具理论深度的贡献。

2.1.1 结构因果模型（SCM）

论文首先为 LLIE 任务建立了一个结构因果模型（Structural Causal Model, SCM）。在这个框架下，图像的特征被分为两类：

• 因果因子 S（Causal Factors）：语义信息，如物体的形状、结构、纹理——这是增强过程中应当保持不变的；
• 非因果因子 U（Non-Causal Factors）：亮度异常和颜色偏移——这是增强过程中应当被过滤掉的。

【此处配图：图1— LLIE 的结构因果模型（SCM）。展示因果因子 S 与非因果因子 U 的关系，以及干预（Intervention）操作。】

2.1.2 有意义且无害的因果干预

为了让因果分析具有实际操作性，论文设计了两种施加在正常光照图像上的合成退化干预：

光照退化干预：基于物理照明退化模型，对正常光图像 I 生成低光版本：

其中 L 是通过 LIME 生成的光照图，控制退化程度，是均值为 0、方差在之间的高斯噪声。这种方式在保留语义内容的同时实现了真实的亮度变化。

颜色异常干预：对正常光图像施加色调偏移（）、饱和度偏移（）和 RGB 通道偏移（）：

【此处配图：图3(a)— 因果引导的度量学习策略。展示潜在空间中 Anchor（低光处理图）、Positive（正常光参考）、颜色退化负样本（蓝色）、光照退化负样本（橙色）的组织方式，以及 Push/Pull 操作。】

2.1.3 因果引导的度量学习（全局一致性）

基于上述干预，论文设计了因果引导的度量学习策略来实现全局因果一致性：

• 锚点（Anchor）：经过网络处理的低光图像；
• 正样本（Positive）：与锚点对应的正常光参考图（共享相同的因果语义因子）；
• 负样本：对不同场景的正常光图像施加颜色扰动（颜色退化负样本）或亮度扰动（光照退化负样本）生成的反事实样本。

这种策略刻意排除其他低光图像作为负样本，防止模型混淆因果特征和非因果特征，迫使模型专注于辨别根本性的语义差异。度量损失定义为：

其中归一化光照和颜色负样本的贡献。

2.1.4 实例级 CLIP 语义损失（局部一致性）

全局度量学习无法处理 ATE 分析揭示的区域级敏感性差异。因此，论文引入了实例级 CLIP 语义损失来保障局部一致性：

1. 使用在 PASCAL-Context 上预训练的 HRNet 对增强结果提取语义实例分割图；
2. 每个实例子图与可学习的文本提示一起送入 CLIP 编码器计算语义相似度分数；
3. 用交叉熵损失优化，使增强后的每个实例在语义空间中向正常光靠拢：

【此处配图：图3(b)— 实例级 CLIP 语义损失。展示 HRNet 分割 → 实例子图 → CLIP 编解码器 → 相似度分数的完整流程。】

2.2 创新二：因果小波网络（CWNet）主干

基于 SCM 的分析，论文设计了 CWNet 作为实现因果一致性的"药方"（论文用一个有趣的类比：低光图像是患者，网络主干是药物，因果分析是精密的测量仪器）。

【此处配图：图4— CWNet 整体架构图。展示从到的完整流程，包括下采样层、HFRB（含 FE、HFEB、LFEB）和上采样层。】

CWNet 采用类 U-Net 结构，核心模块是层次特征恢复块（Hierarchical Feature Restoration Block, HFRB），包含三个子模块：特征提取（FE）、高频增强块（HFEB）、低频增强块（LFEB）。

2.2.1 特征提取（FE）

对输入低光图像进行小波变换（WT），分解为四个频率子带：

其中分别代表低频分量、水平/垂直/对角高频分量。

FE 的设计充分考虑了各子带的物理特性：

• 高频子带（H, V, D）：用深度可分离卷积（DepthConv）提取，捕获方向性边缘细节；
• 低频子带（L）：用WTConv（小波卷积）处理，在不增加参数量的前提下获得更大感受野；
• 关键的跨频率补偿：低频特征通过方向专用卷积（H-Conv、V-Conv、D-Conv）分别补充到各高频子带：

这一设计基于一个重要观察：在低光场景下，高频细节（边缘、纹理）的信息大量"藏"在低频分量中，通过低频引导高频提取可以有效补偿缺失信息。

2.2.2 高频增强块（HFEB）

论文受State Space Model（SSM）/ Mamba启发，提出HF-Mamba处理高频子带。

现有大多数方法（如 Wave-Mamba、RetinexMamba）直接沿用 VMamba 的通用 2D-SSM 结构扫描所有方向，论文认为这没有充分利用小波高频分量的方向性特性。CWNet 专门设计了：

• H-2D-SSM：水平方向扫描处理；
• V-2D-SSM：垂直方向扫描处理；
• D-2D-SSM：对角方向扫描处理；

这种"扫描方向与小波高频分量方向一致"的设计，使高频细节的恢复更加精准。

2.2.3 低频增强块（LFEB）

HFEB 完成高频增强后，先用逆小波变换（IWT）重建图像：

重建图像作为 LFEB 的输入。LFEB 由两个残差块构成，均采用**快速傅里叶卷积（FFC）**以获得更大感受野：

• 第一个残差块：5×5 卷积扩展感受野 + SimpleGate 高效激活 + 1×1 卷积恢复维度；
• 第二个残差块：1×1 卷积将通道数扩至 4 倍 + SimpleGate + 1×1 卷积压缩回原始通道数。

最终，低频分量在高频分量的引导下得到精细化，生成增强预测结果 $I_{pre}$。

2.3 总损失函数

CWNet 的总损失由五部分组成：

各权重设置为：

• ：L2 重建损失（像素级保真）；
• ：结构相似性损失（结构保真）；
• ：VGG 感知损失（视觉质量）；
• ：因果度量学习损失（全局语义一致性）；
• ：实例级 CLIP 语义损失（局部语义一致性）。

三、实验结果

3.1 训练设置

• 框架：PyTorch，端到端训练；
• 架构：类 U-Net，特征通道数 16，低频/高频分支的非对称块配置分别为 [1,3,4,3,1] 和 [1,2,2,2,1]；
• 数据增强：随机裁剪至 256×256，随机水平/垂直翻转和旋转；
• 优化器：Adam（），初始学习率；
• 训练量：iterations，batch size = 8；
• 测试数据集：LOL-v1、LOL-v2-Real（用 LOL-v1 训练的模型测试，验证跨数据集泛化）、LOL-v2-Syn、LSRW-Huawei。

3.2 定量对比

【此处配表：表1— 在 LOL-v1、LOL-v2-Real、LOL-v2-Syn、LSRW-Huawei 四个数据集上与传统方法、CNN 方法、频率域方法、Transformer 方法、Mamba 方法的 PSNR/SSIM/LPIPS 全面对比，以及参数量（M）和 FLOPs（G）。】

核心数据一览：

参数与计算效率：仅1.23M 参数，11.3G FLOPs，在所有深度学习方法中属于最轻量级别。显著优于 MIRNet（31.79M 参数，785.1G FLOPs）和 SNR-Aware（39.12M 参数，26.35G FLOPs）。

特别值得注意的是 LOL-v2-Real 的跨数据集结果：用 LOL-v1 训练的模型直接在 LOL-v2-Real 上测试，取得最优 SSIM（0.9005）和最低 LPIPS（0.0383），充分证明了因果推理框架带来的强泛化能力。

3.3 定性可视化对比

【此处配图：图5— LOL-v2-Real 数据集上与 FECNet、FourLLIE、Wave-Mamba、Retinexformer、SKF-SNR、UHDFormer、UHDFour 的视觉对比。】

【此处配图：图6— LSRW-Huawei 数据集上与 FECNet、FourLLIE、Wave-Mamba、Retinexformer、SKF-SNR、UHDFormer、DMFourLLIE 的视觉对比。】

在视觉效果上，对比方法普遍存在以下问题：

• FECNet、FourLLIE、Wave-Mamba：颜色偏差和噪声；
• Retinexformer、SKF-SNR：提亮不足；
• UHDFormer、UHDFour：表现较好但仍有噪声伪影，缺乏平滑性。

CWNet 产生的结果更清晰、自然、平滑，颜色和语义更为一致。

四、消融实验

4.1 组件消除实验

【表2（上半部分）— 逐个去除因果推理机制、FE、HFEB、LFEB 在 LSRW-Huawei 上的性能变化。】

各组件对 PSNR 的贡献：

LFEB 的去除导致最大幅度的性能下降（PSNR 降至 20.41 dB），说明低频处理在整个双分支架构中扮演着最关键的角色。

4.2 组件替换实验

【表2（下半部分）— 用标准卷积替换 WTConv/FFTConv，用 VMamba 替换 HF-Mamba，用全局特征替换语义图的性能对比。】

4.3 损失权重分析

【此处配表：表3— 系统变化各损失权重（）的消融实验，含 6 种配置 A~F 的 PSNR/SSIM/LPIPS 对比。】

基线配置（）取得最优 PSNR（21.53）和次优 SSIM（0.6423）。实验表明：

• 增大（CLIP 语义损失权重至 0.05）会导致 PSNR 明显下降至 20.89，说明过度强调语义约束会损害像素级重建质量；
• 的权重对最终结果敏感，0.01 是最优选择。

五、局限性与失败案例

【此处配图：图7— 多退化场景下的失败案例。展示同时存在模糊或雾霾时，CWNet 与 Retinexformer、RetinexMamba、Wave-Mamba、UHDFormer 的对比。】

论文坦诚地指出，当图像同时面临多种退化（如低光 + 模糊、低光 + 雾霾）时，CWNet 虽然在亮度和颜色保持上优于对比方法，但整体恢复质量不理想。这为后续研究指明了方向：如何在多退化条件下实现更有效的低光图像恢复。

六、因果与小波的哲学连接

【此处配图：图8— 小波结构与因果推理的类比图。因果推理 ≈ 精密测量仪器，低光图像 ≈ 患者，网络主干 ≈ 药物。】

论文用一个生动的类比来解释 CWNet 的可解释性：

• 低光图像是需要治疗的患者；
• 因果推理机制是精密的测量仪器，确保治疗精准定位到问题所在（分离因果因子和非因果因子）；
• 小波网络主干是药物，其架构设计直接决定治疗效果——低频增强负责颜色和亮度一致性，高频 Mamba 一致性扫描负责细节建模和结构一致性。

七、总结与思考

CWNet 的核心贡献可以归结为一句话：用因果推理"想清楚了该做什么"，再用小波网络"精准地做到"。

从研究方法论的角度看，这篇论文有几点值得特别关注：

1. 理论驱动的框架设计：引入 SCM 和 ATE 分析不仅仅是方法的"包装"，而是真正指导了网络架构（为什么需要实例级而非全局语义损失）和训练策略（为什么要构造特定类型的负样本）的设计。

2. 轻量与高性能的平衡：1.23M 参数和 11.3G FLOPs 的代价换来了多数据集 SOTA，这得益于小波变换天然的高效性（下采样减少空间维度）和 Mamba 相比 Transformer 的线性计算复杂度。

3. 跨数据集泛化的意义：在 LOL-v2-Real 上的跨数据集测试（用 LOL-v1 训练）取得最优 SSIM 和 LPIPS，这是对因果推理框架"分离不变因果特征"这一核心目标最直接的验证。

4. 局限性的坦诚：论文没有回避多退化场景下的失败案例，这种学术诚实值得肯定，也为后续研究留下了清晰的开放问题。

如果你对低光照图像增强、因果推理在视觉任务中的应用，或者 Mamba/SSM 模型有兴趣，欢迎进一步探讨。