图像增强技术自适应地为普通图像(主要体现为光照、对比度等的不和谐)赋予适当的美学特征,同时保留图像的内容细节。给定普通图像,多数现有工作仅输出唯一的具有统一美学样式的增强图像,该样式来自于给定的参考图像集。然而,不同用户的审美偏好、具体应用场景均可能存在较大差异,这需要图像增强技术具有单一模型多模态处理的能力,给出尽量多样化的输出供用户选择。与此同时,图像内容和样式特征需要充分解耦,并有多模态融合的能力。为了实现图像增强的多模态输出,本文提出了一种基于正交元空间的多模态图像增强框架,提取出参考图像中具有视觉吸引力的美学特征,并将其显式地编码到一个正交的元空间中。具体地,本文首先使用编码-解码器及对抗训练策略提取出高美学质量图像的样式和内容特征。接下来,本文将参考图像的样式编码映射到一个由一组正交基张成的样式元空间中,其中正交基通过引入正交正则化损失来实现。在测试阶段,给定任意一张普通图像,本文由编码器提取其内容特征;同时在样式元空间中随机采样多个样式特征;最后将原图内容编码与样式特征分别融合后,送入解码器得到最终的多模态增强图像。另外,为提高多模态场景下样式、内容特征解耦及融合的稳定性,本文针对图像增强任务提出一种改进的自适应实例标准化模块。该模块在训练过程中使用图像样式编码的通道维统计信息及其在元空间中的位置信息对内容编码进行规范化,从而使解码器同时得到高频样式特征和普通图像的内容特征。同时,本文提出最大化元空间位置编码和判别器输出向量之间的互信息,提高元空间的建模能力。改进的自适应实例标准化模块及互信息最大化策略提升了同一图像样式、内容特征解耦及跨图像样式内容特征融合的稳定性。在实验部分,本文方法在基于美学评分、真实性评分和多样性评分等的多种量化度量指标上均取得了优于其他相关工作的性能表现。另外,增强图像的可视化及用户调查结果也说明了本文方法可以生成有美感且多样的图像。