只需一种颜色空间：用于低照度图像增强的高效网络

基于摘要分析。本文研究低照度图像增强（LLIE），针对低信噪比图像在 sRGB、HSV 颜色空间中增强时可能产生的颜色与亮度伪影，提出可训练的 Horizontal/Vertical-Intensity（HVI）颜色空间，以及在该空间中分别处理亮度和颜色的 Color and Intensity Decoupling Network（CIDNet）。研究对象是图像恢复，而非 EEG 或 BCI。 核心机制是将亮度与颜色从 RGB 通道中解耦，以缓解信号放大过程中的不稳定性；HVI 的可训练参数用于适应不同照明范围的低照度图像。CIDNet 使用两个分支分别处理解耦后的亮度和颜色，并通过 Lightweight Cross-Attention（LCA）促进分支间图像结构与内容信息的交互。作者将噪声抑制也归因于该模块，但摘要未提供其具体计算形式、训练损失或推理流程，相关机制仍需结合全文核对。 作者报告，在 11 个数据集上开展了 22 项定量与定性实验，CIDNet 的表现优于所比较的最先进方法。摘要未列出数据集名称、划分、评价指标、具体分数及基线配置，因此尚不能判断提升幅度、跨数据集稳定性或效率优势；实验协议、消融及统计信息尚未验证。来源提供了代码仓库，但实现完整性、训练配置、预训练权重及运行资源要求尚未核验。 该方法依赖 RGB 图像及亮度—颜色结构，不能将其解耦机制或图像增强结果直接视为 EEG 降噪证据。现有材料不足以建立具体的 EEG/BCI 机制对应关系，因此不提出迁移实验建议；相关 EEG 工作尚未检索确认。