刘萍萍教授团队的论文“DMFourLLIE: Dual-Stage and Multi-Branch Fourier Network for Low-Light Image Enhancement”被ACM MM 2024 录用为Oral（口头汇报）论文。本文的第一作者是刘萍萍教授指导的2023级博士生张同顺，刘萍萍教授为通讯作者。
低光图像增强是一项复杂且富有挑战性的任务，其目标是改善在光照不足的环境中拍摄的图像的感知或可解释性，是监控、摄影、自动驾驶等领域不可或缺的技术。在傅里叶频域中，亮度信息主要编码于幅度分量，而空间结构信息则蕴含于相位分量。基于这一理论，本文提出了双级多分支傅里叶低光图像增强（DMFourLLIE）框架。该框架利用傅里叶频率信息，强调振幅与相位分量的同步增强，以保持图像的结构和完整性。通过集成红外图像和亮度色度表示的结构先验，本文提高了相位和幅度分量的精度，并有效避免了颜色失真和噪声问题。在第二阶段，本文引入了一种鲁棒的图像重建策略，结合了多尺度和傅里叶卷积分支的优势。这种双分支联合优化过程使我们能够高效地恢复空间结构和纹理。DMFourLLIE框架在傅里叶频域空间中对其他多模态先验应用的适应性及其指导意义进行了探索，有效揭示了当前基于傅里叶提亮方法的局限性。通过保持振幅和相位分量之间的内在关系，DMFourLLIE显著提升了视觉质量及对下游应用的有效性。大量的定性及定量实验表明，本文的方法在图像细节和曝光控制方面明显优于现有方法。
ACM MM 全称为国际多媒体大会(ACM International Conference on Multimedia)，是多媒体领域顶级国际会议，也是中国计算机学会（CCF）收录的计算机图形学与多媒体领域A类会议。本次会议录用率约26.20%。其中Oral论文的录用率为3.97%。
