像素级 DNN 色彩恒定模型的人类对齐评估
计算机视觉与模式识别
2026-02-17 v1 神经元与认知
摘要
我们之前研究了光照下的色彩恒定，开发了一个深度神经网络 (DNN) 用于从渲染图像预测反射率。本文将两种方法结合起来，比较和研究模型与人类在局部周边、最大通量和空间平均值等 established 色彩恒定机制下的表现。不同于评估模型对物理真实值，本文采用与人类实验相同的 achromatic object 选择任务来评估模型性能。该模型是基于我们之前工作中的 ResNet 架构的 U-Net，在渲染图像上预训练以预测表面反射率。然后我们应用迁移学习，仅对网络的解码器在基线 VR 条件下的图像上进行微调。为平行人类实验，该模型的输出用于在所有条件下执行相同的 achromatic object 选择任务。结果表明，模型与人类行为之间存在强烈对应关系。两者在基线条件下均实现了高水平的恒定性，并在局部周边或空间平均值颜色线索被移除时表现出类似的、条件依赖的性能下降。
引用
@article{arxiv.2602.13887,
title = {Human-Aligned Evaluation of a Pixel-wise DNN Color Constancy Model},
author = {Hamed Heidari-Gorji and Raquel Gil Rodriguez and Karl R. Gegenfurtner},
journal= {arXiv preprint arXiv:2602.13887},
year = {2026}
}