面向低层视觉的全局光度对齐
计算机视觉与模式识别
2026-04-10 v1
摘要
监督式低层视觉模型依赖于针对配对参考的像素级损失，但配对训练集显示出每对图像对不同全局亮度、颜色或白平衡映射都有不同的不一致性，这种不一致性通过任务内在光度传递（如低光增强）或意外获取偏移（如去雾）等方式进入。无论以何种方式，这种不一致性都会导致优化路径中的病态现象。标准重建损失会在冲突的每对光度目标上分配不成比例的梯度预算，挤占内容恢复。本文针对该问题进行探讨，并证明在最小二乘分解下，预测-目标残差的光度成分与结构成分是正交的，且光度成分在梯度能量中占主导地位。针对这一分析，我们提出了光度对齐损失（PAL）。该灵活的监督目标通过闭形式仿射颜色对齐来抑制琐碎光度差异，同时保留与恢复相关的监督信息，仅需协方差统计和微小矩阵求逆即可实现，开销可忽略。在6个任务、16个数据集和16种架构上，PAL均一致地改善了指标和泛化性能。实现细节见附录。
引用
@article{arxiv.2604.08172,
title = {On the Global Photometric Alignment for Low-Level Vision},
author = {Mingjia Li and Tianle Du and Hainuo Wang and Qiming Hu and Xiaojie Guo},
journal= {arXiv preprint arXiv:2604.08172},
year = {2026}
}