网站建设业务市场营销论文,2024装修图片100张,wordpress 文章形式,wordpress cdn ssl证书这是中科大发表在CVPR2023的一篇论文#xff0c;提出了一个module和一个损失项#xff0c;能够提高现有exposure correction网络的性能。这已经是最近第三次看到这种论文了#xff0c;前两篇分别是CVPR2022的ENC#xff08;和这篇文章是同一个一作作者#xff09;和CVPR20… 这是中科大发表在CVPR2023的一篇论文提出了一个module和一个损失项能够提高现有exposure correction网络的性能。这已经是最近第三次看到这种论文了前两篇分别是CVPR2022的ENC和这篇文章是同一个一作作者和CVPR2023的SKF都是类似即插即用地提出一些模块来提高现有方法的性能实验结果都是以方法AXX比方法A性能提高方法Bxx比方法B性能提高的方式展示。 文章的动机是在多曝光数据集上训练时同一个batch可能同时出现需要增亮的样本和需要抑制过曝的样本而这两种样本的优化方向是相反的从而产生负面影响。为了解决这个问题本文提出通过学习一个batch的样本间的关系。不过我个人觉得这个逻辑上说不通需要增亮的样本和需要抑制过曝的样本的优化方向相反问题通过归一化可以解决通过样本间的关系解决就很奇怪了本来样本间也没有什么关系。 而样本间关系主要是通过把特征转到 B × C B\times C B×C然后batch之间做注意力实现的如下图所示将encoder提取的 B C H W B C H W BCHW的特征reshape成 B × C ′ B\times C B×C′再attention再resize回去再decoder得到结果。这个过程是很直观简单的。比较复杂的是训练流程。首先丢掉中间的transformer的部分先用reconstruction任务train encoder decoder然后fix encoder decoder的参数只训练transformer的参数这一阶段的训练仍然是reconstruction任务但是不再是对 I I I和 I ′ I I′算L1损失而是取其相位分量算损失从而剥离亮度因素。文章认为transformer本身自带的交互会影响这一重建任务所以通过这一重建任务可以使得样本之间的内容交互作用被抑制从而使得整个BCM模块只进行亮度交互作用 上面这个模型训练完之后呢就产生了一个可以进行样本间交互的模块然后在训练现有的exposure correction模型的时候可以按下图的方式去利用上述模型的encoder和transformer去获取隐空间特征计算GT和增强结果的隐空间特征的L1距离作为额外的损失 实验结果显示通过这个方法可以提高一些现有方法的性能 评价角度很新奇如果是真的说明现有expsoure correction模型的潜能还没有被完全发掘出来通过更合理的训练策略和损失函数可以提高现有模型的性能同时还不增加推理的计算负担。
