HVI：一种用于低光图像增强的新颜色空间

基于摘要分析。本文研究低光图像增强（LLIE），针对 sRGB 空间中易出现的颜色偏差与亮度伪影，以及转换至 HSV 后可能引入的红色和黑色噪声伪影，提出 Horizontal/Vertical-Intensity（HVI）颜色空间，并结合 Color and Intensity Decoupling Network（CIDNet）学习不同光照条件下的光度映射。研究对象是视觉图像增强，并非 EEG 或 BCI 信号建模。 HVI 由极化的 HS 映射与可学习强度构成：前者通过缩小红色坐标之间的距离来缓解红色伪影，后者通过压缩低光区域来缓解黑色伪影。CIDNet 则在 HVI 空间中利用色度与强度信息进行增强。摘要未提供颜色变换的完整公式、强度参数化方式、网络结构、损失函数或训练细节，尚不能判断各部分的具体实现与适用边界。 作者报告，在涉及 10 个数据集的基准与消融实验中，HVI 与 CIDNet 的组合优于所比较的现有先进方法；但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，因此无法核对优势幅度或比较条件。实验协议、消融及统计信息尚未验证。摘要提供了代码仓库，复现前仍需核对实现、训练配置和数据预处理是否与论文实验一致。 该方法依赖颜色空间的几何结构及图像亮度属性，材料没有给出其与 EEG 瓶颈的具体机制对应，不能据此推断 BCI 有效性；本次未开展相关 EEG 工作检索，尚未检索确认。