低光照片只修一步，GLOW-FM 想绕开扩散采样
Arm 的 GLOW-FM 把低光增强放进冻结 Tiny-VAE 的潜空间，用 TVM 做单步生成。小变体 34 GFLOPs，跨数据集泛化拿 SOTA；但 LOL-v1 的 PSNR 仍落后 WCDM。手机实时，先看实测。
低光照片的麻烦很具体：暗部噪声、色偏、细节糊成一团。提亮容易，提得可信难。扩散模型把低光增强的质量拉高，也把采样成本拉高。Arm 研究团队给出的 GLOW-FM 想解决后者：把生成式低光图像增强压到单步。
先看演示：
视频来自 X 帖子。画面里能看到夜景建筑和水面反射，也能看到花朵和绿叶的颜色、细节被拉回来。演示很直观，但这类对比视频只说明一件事：方法能出效果，不说明它在手机里能跑多快。
论文标题是 GLOW-FM: Efficient Generative Low-Light Image Enhancement with One-Step Latent Flow Matching。方法不复杂：先把低光图送进冻结的 Tiny-VAE，压到紧凑潜空间；再用 Hourglass Diffusion Transformer（HDiT）在潜空间里恢复；训练用 Terminal Velocity Matching（TVM），让增强在一次函数评估里完成。作者称这是 TVM 首次适配图像恢复，具体到低光增强也是第一次。
这套设计的关键指标有两个。一个是单步推理，论文叫 single function evaluation；另一个是计算量，小变体只要 34 GFLOPs。对比扩散式生成方法反复采样，这两个数字直接指向部署成本。论文还称 GLOW-FM 在真实世界基准上拿到有竞争力的画质和跨数据集泛化 SOTA。项目页、论文和 GitHub 都已挂出，论文说代码会在发表后公开。
但别急着把“单步”等同于“全面赢”。有网友在 X 下指出，在 LOL-v1 上 GLOW-FM 的 PSNR 是 21.8 dB，低于 WCDM 的 26.3 dB。同一回复提到，Arm 团队把差距归因于数据：训练对从 0.2K 增到 3.0K 后，LSD-DLL 上的 PSNR 从 16.8 dB 升到 20.3 dB。这说明生成式低光增强在感知质量和像素保真之间仍有取舍，数据规模也会直接改结果。跨数据集泛化强，不等于每个基准的 PSNR 都好看。
评论区还有更实际的问题。有人问这套东西能不能在手机芯片上实时跑；有人说暗光餐厅里拍的食物照片终于有第二次机会；也有人提到凌晨两点拍糊的手机照片。这些场景比论文表格更能说明低光增强的需求：暗部细节和颜色别崩，夜景也别被修成白天。GLOW-FM 的价值也在这里，单步、紧凑潜空间、冻结 VAE，给生成式低光增强一条更便宜的部署路径。
能不能真的进手机，得看后续代码、移动端实测和不同低光条件下的稳定性。演示视频里的花朵很好看，但部署账本要看 34 GFLOPs 在真实芯片上的表现。
论文：https://huggingface.co/papers/2610.31222
项目页：https://arm-research.github.io/AAIR-GLOW-FM
GitHub：https://github.com/arm-research/AAIR-GLOW-FM
发布时间: 2026-11-03 05:42