面向 DNN 模型的传感器无关光照估计
计算机视觉与模式识别
2019-12-17 v1
摘要
尽管现代深度神经网络（DNN）在光照估计上取得了最先进的结果，但目前仍需为每种相机传感器分别训练一个 DNN。这意味着当相机制造商使用新传感器时，必须用该新传感器所拍摄的训练图像重新训练已有的 DNN 模型。本文通过引入一种新颖的传感器无关光照估计框架来解决此问题。我们的方法学习一个传感器无关工作空间，可用于将任意相机传感器的 RGB 值规范化。我们所学习的空间保留了原始传感器 raw-RGB 空间的线性性质，并允许在基于此工作空间训练的单一 DNN 模型上使用未见过的新相机传感器。我们在若干不同相机传感器上证明了该方法的有效性，并表明其性能与按传感器分别训练的最先进方法相当。
引用
@article{arxiv.1912.06888,
title = {Sensor-Independent Illumination Estimation for DNN Models},
author = {Mahmoud Afifi and Michael S. Brown},
journal= {arXiv preprint arXiv:1912.06888},
year = {2019}
}