# Multinex: Lightweight Low-light Image Enhancement via Multi-prior Retinex

### 저자

Alexandru Brateanu, Tingting Mu, Codruta Ancuti, Cosmin Ancuti

### 💡 개요

본 논문은 심각한 조명 저하 상황에서도 자연스러운 가시성, 색상 충실도, 구조적 디테일을 복원하는 저조도 영상 향상(LLIE) 문제에 초점을 맞춥니다. 기존 최신 기술들은 크고 다단계 학습이 필요한 모델에 의존하여 엣지 디바이스에서의 실용성을 제한하며, 단일 색 공간 의존성은 노출 또는 색상 아티팩트를 유발합니다. 이를 해결하기 위해, 본 연구는 여러 세밀한 표현을 통합한 초경량 구조 프레임워크인 Multinex를 제안합니다.

### 🔑 시사점 및 한계

- **엣지 디바이스에 적합한 초경량 저조도 영상 향상:** Multinex는 45K 및 0.7K 파라미터의 경량 및 나노 버전으로, 엣지 환경에서도 실용적인 성능을 제공합니다.

- **다중 색 공간 통합을 통한 안정성 향상:** 여러 분석적 표현에서 파생된 조명 및 색상 사전 정보를 융합하여 노출 보정에 필요한 밝기 및 반사율 조정을 학습함으로써, 단일 색 공간 의존성으로 인한 불안정성과 아티팩트를 줄입니다.

- **복원보다는 향상에 초점:** 모델이 단순히 원본 이미지를 복원하는 대신, 실제적인 향상에 중점을 두어 효율성을 높였습니다.

- **한계점:** 논문에서는 제안된 모델의 성능을 다양한 벤치마크에서 입증하지만, 특정 복잡한 저조도 환경(예: 극도로 어둡거나 특정 유형의 노이즈가 심한 경우)에서의 성능이나 다양한 실제 시나리오에 대한 포괄적인 검증은 추가 연구가 필요할 수 있습니다.

---

[PDF 보기](https://arxiv.org/pdf/2604.10359)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).
