鲁棒的通道级光照估计
图像与视频处理
2021-11-11 v1
摘要
近年来，卷积神经网络（CNNs）已被广泛用于解决光源估计问题，并常取得最先进的成果。标准方法直接对输入图像进行操作。本文中，我们认为该问题可分解为三个通道级独立且对称的子问题，并基于该分解提出一种新颖的基于CNN的光照估计方法。所提方法大幅减少了解决该任务所需的参数数量，同时与最先进方法相比取得了具竞争力的实验结果。此外，光照估计技术的实际应用通常要求识别极端误差情况。这可通过不确定性估计技术实现。本工作中，我们提出一种新颖的颜色恒常性不确定性估计方法，其为训练好的模型增加一个辅助分支，该分支基于特征表示学习预测误差。直观上，模型学习哪些特征组合是鲁棒的因而可能产生低误差，哪些组合会导致错误估计。我们在所提方法上测试了该方案，表明其确实可用于避免若干极端误差情况，从而提升了所提技术的实用性。
引用
@article{arxiv.2111.05681,
title = {Robust channel-wise illumination estimation},
author = {Firas Laakom and Jenni Raitoharju and Jarno Nikkanen and Alexandros Iosifidis and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2111.05681},
year = {2021}
}
备注
6 pages, 4 figures