CMDiff：基于CLIP引导的多维Mamba扩散模型在低光照图像增强中的创新应用

《Image and Vision Computing》：CMDiff: Clip-guided multi-dimension mamba diffusion model for low light image enhancement

本文提出CMDiff框架，通过CLIP模型实现场景感知引导，结合多维Mamba模块（MD-Mamba）构建去噪网络，有效解决低光照图像增强中的色彩失真与全局退化问题。该模型在保持线性计算复杂度的同时，显著提升图像质量与噪声抑制能力，为计算机视觉下游任务（如目标检测、自动驾驶）提供关键技术支撑。

　　

Highlight

我们提出CMDiff框架，创新性地将CLIP模型与扩散模型相结合，通过场景感知指导增强网络对语义信息的理解，有效解决复杂光照下的色彩偏移问题。同时引入多维Mamba模块（MD-Mamba），以线性计算复杂度整合图像多维度关键特征，全面提升细节恢复能力与视觉感知质量。

Conclusions

本研究提出的CMDiff框架成功攻克了低光照环境中图像增强的稳定性与视觉感知优化难题。通过CLIP模型精准的场景理解能力与扩散模型的生成能力协同作用，显著提升了退化图像的视觉表现。多维Mamba模块的引入进一步强化了全局特征建模效率，为低光照图像增强领域提供了创新性解决方案。

CRediT authorship contribution statement

程博宇（Chengbo Yu）: 原创撰写、课题设计、方法论构建、数据整理；

邓世立（Dengshi Li）: 验证与监督；

魏佳（Jia Wei）: 可视化与数据整理；

吴雨霖（Yulin Wu）: 审阅修订、验证与监督；

陈奥磊（AoLei Chen）: 验证与课题管理。

Declaration of competing interest

作者声明不存在任何可能影响本研究成果的已知竞争性财务利益或个人关系。