探究各种损失函数与可学习维纳滤波器对腹腔镜图像去烟的影响
计算机视觉与模式识别
2025-09-15 v1
摘要
为了严格评估最近提出的用于腹腔镜图像去烟的 ULW 框架中各个组件的有效性与必要性，本文进行了一项全面的消融研究。ULW 方法将基于 U-Net 的主干网络与复合损失函数相结合，该复合损失函数包含均方误差（MSE）、结构相似性指数（SSIM）损失和感知损失。该框架还引入了一个可微分的、可学习的 Wiener 滤波器模块。在本研究中，每个组件均被系统性地消融，以评估其对整个框架总体性能的具体贡献。该分析包括：(1) 移除可学习的 Wiener 滤波器；(2) 选择性地使用复合损失函数中的单个损失项。所有变体均在一个公开的配对腹腔镜图像数据集上进行基准测试，使用定量指标（SSIM、PSNR、MSE 和 CIEDE-2000）并辅以定性视觉比较。
引用
@article{arxiv.2509.09849,
title = {Investigating the Impact of Various Loss Functions and Learnable Wiener Filter for Laparoscopic Image Desmoking},
author = {Chengyu Yang and Chengjun Liu},
journal= {arXiv preprint arXiv:2509.09849},
year = {2025}
}