现有偏振感知低照度增强方法，存在依赖成对低照度—正常光数据、跨场景泛化能力有限，以及复杂低照度条件下辐射与偏振信息难以协同恢复的问题。针对这一难点，中国科学院沈阳自动化研究所机器人学研究室机器智能研究组在偏振视觉领域研究取得重要进展，提出了零参考偏振感知低照度增强框架 ZeroPIE，为低照度偏振图像重建提供全新技术路径。

ZeroPIE 零参考偏振感知低照度增强框架示意图

研究团队从偏振成像物理机理出发，推导线偏振度、线偏振角、几何不变量和色彩不变量四类光照不变先验，以其连接低照度与正常光偏振图像；同时构建物理先验引导的残差去噪扩散模型，仅利用正常光偏振数据进行训练，实现无需真实低照度训练数据的偏振图像增强，并提升复杂光照条件下辐射与偏振信息恢复的鲁棒性。

研究成果以ZeroPIE: Zero-Reference Polarization-Aware Low-Light Enhancement via Physically Derived Illumination-Invariant Priors为题在线发表于国际期刊IEEE Transactions on Pattern Analysis and Machine Intelligence，论文第一作者为博士研究生杨镇硕和刘致源，通讯作者为田建东研究员。

IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）是计算机视觉、模式识别与人工智能领域公认的国际顶级学术期刊，属于中国计算机学会（CCF）人工智能领域 A 类期刊，最新影响因子为20.4。

机器智能研究组长期聚焦具身智能与计算机视觉等前沿方向，在3D目标检测、跨模态迁移学习、多智能体协同追踪、偏振图像处理、具身导航和机器人操作等领域持续取得原创性成果，相关论文陆续发表于人工智能与计算机视觉领域AAAI 2026、ICML 2026、CVPR 2026、ICLR 2026等国际顶级学术会议，以及TPAMI、TIP、TNNLS、TMM、TSP等国际顶级学术期刊。（机器人学研究室）。

论文链接：https://ieeexplore.ieee.org/abstract/document/11643562

DOI: 10.1109/TPAMI.2026.3721156