通过结构化前向算子建模解决动态范围压缩下的盲反问题
计算机视觉与模式识别
2026-03-03 v1
摘要
从未知的动态范围压缩（UDRC）中恢复辐射信度（例如，低光增强和 HDR 重建），是一个具有挑战性的盲反问题，由于未知的前向模型和压缩引入的不可逆信息损失。为解决这一挑战，我们首先确定单调性作为跨越 UDRC 任务的基本物理不变量。利用这一洞见，我们引入了**级联单调 Bernstein**（CaMB）算子来参数化未知的前向模型。CaMB 将单调性作为硬编码的架构归纳偏置加以约束，将优化限制在物理上一致的映射上，从而实现稳健且稳定的算子估计。我们进一步将 CaMB 与插用扩散框架集成，提出**CaMB-Diff**。在该框架中，扩散模型作为强大的几何先验，用于结构和语义恢复，而 CaMB 通过物理建模的前向算子显式建模和纠正辐射失真。广泛的在各种零样本 UDRC 任务上的实验，包括低光增强、低场 MRI 增强和 HDR 重建，表明 CaMB-Diff 在信号保真度和物理一致性方面均显著优于最先进的零样本基线。此外，我们经验上验证了所提出的 CaMB 参数化在准确建模未知前向算子方面的有效性。
引用
@article{arxiv.2603.01890,
title = {Resolving Blind Inverse Problems under Dynamic Range Compression via Structured Forward Operator Modeling},
author = {Muyu Liu and Xuanyu Tian and Chenhe Du and Qing Wu and Hongjiang Wei and Yuyao Zhang},
journal= {arXiv preprint arXiv:2603.01890},
year = {2026}
}
备注
16 pages, 10 figures, conference paper