Nov, 2023

LuminanceL1Loss：一种测量感知亮度和颜色差异的损失函数

PDF
TL;DR我们介绍了一种新的损失函数 LuminanceL1Loss，旨在增强图像恢复任务的性能。通过将图像转换为灰度图像并计算灰度和彩色通道的均方误差损失，我们证明了它在 Retinexformer、BUIFD 和 DnCNN 架构中的优越性。实验结果表明，这种创新的损失函数在图像去噪和其他图像重建相关任务中持续优于传统方法，其效果提升了 4.7dB。本研究所展示的结果突出了 LuminanceL1Loss 在各种图像恢复任务中的有效性。
发现论文，激发创造
  • 学习到的感知图像增强

    本文提出了一种使用卷积神经网络的学习 no-reference image quality metric 来提高图像处理算子的感知质量的方法，从而优化图像增强算法，成功调整局部色调映射和去雾等多种操作。

    Dec, 2017

  • 神经网络图像处理损失函数

    本文针对图像处理的默认选择 L2 损失函数提出了替代选择。通过比较几种损失函数的性能并提出一种新的可微错误函数，本研究显示出更好的损失函数会显著地提高图像恢复的质量，即使神经网络的结构不变。

    Nov, 2015

  • 改进的分割：学习适应暗光图像增强的亮度感知和细节敏感表示

    通过引入新颖的亮度和色度双分支网络 (LCDBNet)，将低光图像增强分为亮度调整和色度恢复两个子任务，并使用多级小波分解学习细节敏感的特征，与其他先进算法相比，在多个参考和非参考质量评估器上取得了卓越性能。

    Jul, 2023

  • 用于图像预测的对比特征损失

    本研究提出了一种基于信息论的方法来衡量两张图片之间的相似度，能够学习出轻量的 critic 来校准特征空间，从而实现对应空间的图像重建和非对应空间的图像排斥，这种方法能够代替 L1 loss 用在有或者没有 GAN loss 的基于监督的图像合成模型中，从而显著提升了合成图片的感知逼真度。

    Nov, 2021

  • 图像压缩的色彩学习

    本文提出了一种新的基于深度学习的图像压缩模型，该模型将图像压缩任务分解为从亮度通道学习结构信息和从色度通道学习颜色的两个子任务。利用 CIEDE2000 优化颜色保真度，并展示了该模型的优点和性能比较。此外，还对潜在通道脉冲响应进行了可视化和分析。

    Jun, 2023

  • 适应光线的学习

    本研究提出了一种生物启发的方法来处理光相关的图像增强任务，使用统一的网络（称为 LA-Net）并设计了一个基于频率的分解模块来实现统一的光适应，同时在高频通道中实现了噪声抑制或细节增强。对低光增强、曝光校正和色调映射这三个任务进行了广泛实验，并证明了所提出方法在这些独立任务中获得了接近最先进技术的表现。

    Feb, 2022

  • 一种通用且自适应的鲁棒性损失函数

    本文提出了一种连续参数化的健壮损失函数，通过将健壮性作为参数，可以泛化到多种常见的概率分布并基于该损失函数训练神经网络从而应用于无监督学习等任务。

    Jan, 2017

  • 基于 Watson 感知模型的生成神经网络的损失函数

    为了训练变分自编码器以生成真实图像，我们提出了一种基于 Watson 视觉模型的损失函数，通过计算颜色图像中的加权距离和掩模来反映人类对图像相似性的知觉，并将其拓展到彩色图像上。在实验中，VAE 利用新的损失函数进行训练可生成更真实、高质量的图像样本，相较于欧几里得距离和结构相似性指数，图像模糊度更低，与基于深度神经网络的损失相比，新方法需要更少的计算资源，并且生成的图像具有更少的伪影。

    Jun, 2020

  • 图像增强的投影分布损失

    本文研究使用从目标识别 CNNs 中获取的特征来衡量图像之间的感知相似度，并使用差分距离函数训练图像增强模型，并表明聚合 CNN 激活之间的 1D-Wasserstein 距离比现有方法更可靠，并且可以在各种成像应用中显著提高感知性能。

    Dec, 2020

  • 使用感知相似度度量学习生成图像

    通过使用 better calibrated to human perceptual judgments of image quality: the multiscale structural-similarity score (MS-SSIM) 进行训练而不是使用 pixel-wise loss (PL)，提出了更好的 perceptually-optimized methods，已被证明在三种不同的自动编码器中表现更好，可以在图像分类和超分辨率成像方面为计算机视觉带来极大的潜力。

    Nov, 2015