低光成像的难点不只是亮度不足，还包括 RGB 信号被强噪声污染。近年的 RGB-NIR 方法尝试借助近红外信息恢复可见光图像，但通常依赖精心采集和整理的训练数据对，换到不同场景或噪声条件后，稳健性仍然有限。这项工作将问题转向 3D 感知神经建模，希望减少对干净 RGB 真值的依赖。
核心变化：在 3D 空间中隐式融合
论文提出的模型同时接收极端噪声 RGB 观测与 NIR 线索，并在 3D 空间中进行隐式融合，最终恢复干净 RGB 图像。与主要依靠二维图像映射的方法相比，这里的关键主张是：把场景的 3D 信息纳入神经建模，可以为跨模态融合提供新的约束和表达方式。
摘要没有披露具体网络结构、3D 表示形式或训练目标，因此目前不能判断性能提升主要来自几何建模、跨视角信息，还是其他设计。但可以确认的是，该方案不使用干净 RGB 监督，这使它与依赖低光—正常曝光配对数据的方法形成了明确区别。
数据成本与稳健性是主要卖点
免去干净 RGB 数据采集，意味着训练流程有机会避开低光成像中成本较高、条件难以严格控制的真值制作环节。论文还强调模型能够泛化到不同噪声水平，这正面回应了低光系统在真实环境中噪声强度不断变化的问题。
作者在合成数据和真实数据上进行了评估，并报告该方法优于对比方案，同时已经公开代码。不过，摘要未给出数据集规模、评价指标、提升幅度及运行成本，因此“更优”的范围与实际工程收益仍需结合论文正文和复现实验判断。
我的判断
这项工作的价值在于把 RGB-NIR 低光增强从“需要干净配对真值的监督恢复”推进到“利用 3D 建模进行无干净 RGB 监督融合”，方向具体，也直接针对数据采集和跨噪声泛化两个现实问题。它更适合具备 RGB 与 NIR 观测能力的成像系统，而不能直接视为普通单目 RGB 夜景增强方案。
需要注意的是，不使用干净 RGB 监督不等于没有其他数据要求。RGB 与 NIR 是否需要严格配准、3D 建模如何获得稳定约束、面对动态场景或跨设备差异时是否仍然有效，摘要均未说明。现阶段可以把它看作值得验证的计算摄影方案，但工程可用性仍取决于传感器配置、计算开销和真实场景复现结果。