183、AI 色彩增强：低光照图像的色彩还原与饱和度补偿的 GAN 方案
一、从一次夜拍翻车说起
去年Q3，我们团队在打磨一款中端机的夜景模式。实验室数据漂亮得不行——信噪比、动态范围、纹理保留，每一项都吊打竞品。结果到了用户手里，反馈炸了：“照片颜色像被漂白过”“红色变成粉红，绿色发灰”。
我连夜调了log，发现ISP pipeline里，降噪强度一上去，色彩饱和度就跟着崩。传统3A算法在低光照下，AWB（自动白平衡）本身就不稳，再加上多帧融合时的色差校正，最后出来的图，色彩像被抽走了灵魂。更头疼的是，不同场景下色彩衰减的规律完全不一样——路灯下的暖色调、霓虹灯的饱和色、暗部区域的肤色，各有各的塌方式衰减。
那段时间，我试过各种后处理：直方图拉伸、HSV域饱和度补偿、甚至手动调LUT。效果嘛，要么过饱和得像塑料花，要么补偿不到位，颜色还是“死”的。直到我翻到一篇用GAN做色彩增强的论文，才意识到：传统方法是在“猜”色彩，而GAN是在“学”色彩。
二、为什么传统方法搞不定低光照色彩？
先别急着上GAN，得先搞明白问题本质。低光照下色彩衰减，不是简单的“饱和度降低”这么简单。
1. 信噪比与色彩的耦合
CMOS传感器在低光照下，每个像素的电荷量极低，读出噪声、暗电流噪声占比飙升。这些噪声在RGB通道上分布不均——通常绿色通道信噪比稍好，红蓝通道更差。降噪算法（比如BM3D、NL