Hue-Net：基于强度图像到图像翻译的可微直方图损失函数方法
计算机视觉与模式识别
2019-12-13 v1 机器学习
摘要
我们提出 Hue-Net——一种用于基于强度的图像到图像翻译的新型深度学习框架。其核心思想是一种称为网络增强的新技术，该技术允许从图像可微地构造强度直方图。我们进一步引入（一维）循环直方图与联合（二维）直方图的可微表示，并用它们定义基于循环地球移动距离（EMD）与互信息（MI）的损失函数。虽然 Hue-Net 可应用于若干图像到图像翻译任务，我们选择在其优势明显的颜色迁移问题上加以展示，其目标是用不同目标图像的颜色为源图像上色。需注意，期望的输出图像并不存在，因此无法用于有监督的像素到像素学习。这是通过采用 HSV 色彩空间并定义基于输出图像与目标图像的循环色调直方图之间 EMD 的强度损失来实现的。为强制源图像与输出图像之间无颜色的相似性，我们通过这些图像 MI 的可微近似来定义基于语义的损失。除对抗损失外引入直方图损失函数，使得构建语义有意义且真实的图像成为可能。我们在不同数据集上展示了有前景的结果。
引用
@article{arxiv.1912.06044,
title = {Hue-Net: Intensity-based Image-to-Image Translation with Differentiable Histogram Loss Functions},
author = {Mor Avi-Aharon and Assaf Arbelle and Tammy Riklin Raviv},
journal= {arXiv preprint arXiv:1912.06044},
year = {2019}
}