本文提出一种基于预训练潜在扩散模型(LDM)的零样本低光图像增强方法。该方法通过LDM提供的自然图像先验，将增强任务转化为潜空间优化问题，无需任务特定训练数据。创新点包括：1) 曝光感知退化模块，利用亮通道自适应建模照明变化；2) 带自适应引导的潜空间正则化方案，平衡输入保真度与自然图像统计特性。实验表明，该方法在真实场景中优于现有零样本方案，解决了传统方法对成对数据的依赖问题，并展现出优异的跨场

低照度图像增强领域数据集较少，前期的数据集没有标签且数量少,本文提供相关下载链接。