用单一潜变量与全连接神经网络表示相机响应函数
计算机视觉与模式识别
2022-09-09 v1
摘要
对许多计算机视觉任务而言，建模从场景辐照度到图像强度的映射至关重要。这种映射被称为相机响应。大多数数码相机使用非线性函数将传感器测得的辐照度映射为用于记录照片的图像强度。为了进行非线性标定，有必要对该响应进行建模。本文提出了一种使用单一潜变量和全连接神经网络的高性能相机响应模型。该模型通过在真实世界（示例）相机响应上使用自编码器进行无监督学习得到。随后采用神经架构搜索来寻找最优的神经网络架构。引入了一种潜分布学习方法以约束潜分布。所提模型在多项基准测试中达到了最先进的 CRF（相机响应函数）表示精度，并且由于在相机响应标定期间采用简单而高效的模型表示，在执行最大似然估计时速度几乎是当前最佳模型的两倍。
引用
@article{arxiv.2209.03624,
title = {Representing Camera Response Function by a Single Latent Variable and Fully Connected Neural Network},
author = {Yunfeng Zhao and Stuart Ferguson and Huiyu Zhou and Karen Rafferty},
journal= {arXiv preprint arXiv:2209.03624},
year = {2022}
}
备注
11 pages, 4 figures, 3 tables. Accepted by Signal, Image and Video Processing