重新思考图像复原模型中的RGB颜色表示

图像复原模型通常使用定义在RGB颜色表示空间上的像素级距离损失进行训练，众所周知，这是导致复原图像纹理模糊和不真实的一个原因。我们认为，其原因在于三通道的RGB空间不足以监督复原模型。为此，我们增强了该表示，使其在保持颜色信息和像素粒度的同时，能够容纳每个像素局部邻域的结构信息。结果是一个新的表示空间，称为增强RGB（aRGB）空间。将底层表示空间替换为像素级损失，有助于图像复原模型的训练，从而在不影响评估阶段的情况下提高性能。值得注意的是，当与对抗损失或感知损失等辅助目标结合时，我们的aRGB空间通过重建颜色和局部结构，持续改善整体指标，克服了传统的感知-失真权衡。