小样本学习+去鬼影:SMAE: Few-shot Learning for HDR Deghosting with Saturation-Aware Masked Autoencoders

源码学习见专栏置顶~

论文作者:Qingsen Yan,Song Zhang,Weiye Chen,Hao Tang,Yu Zhu,Jinqiu Sun,Luc Van Gool,Yanning Zhang

作者单位:Northwestern Polytechnical University; Xidian University; CVL, ETH Zurich

论文链接:http://arxiv.org/abs/2304.06914v1

内容简介:

1)方向:去鬼影

2)应用:高动态范围成像

3)背景:利用深度神经网络(DNN)生成高质量的高动态范围(HDR)图像已经成为近期广泛研究的方向。然而,大多数基于DNN的方法需要大量的带有真实标签的训练数据,需要耗费大量时间和精力。Few-shot HDR成像旨在使用有限的数据生成令人满意的图像。然而,当仅在少量图像上进行训练时,现代DNN很难避免过拟合。

4)方法:本文提出一种新的半监督方法,通过两个阶段的训练实现few-shot HDR成像,称为SSHDR。与以往的方法不同,直接同时恢复内容和去除鬼影,这很难达到最优,首先通过自监督机制生成饱和区域的内容,然后通过迭代的半监督学习框架解决鬼影问题。具体来说,考虑到饱和区域可以被视为掩蔽低动态范围(LDR)输入区域,设计一个饱和掩蔽自编码器(SMAE)来学习强大的特征表示并重构非饱和HDR图像。还提出一种自适应伪标签选择策略,在第二阶段选择高质量的HDR伪标签,以避免误标记样本的影响。

5)结果:实验表明,SSHDR在不同数据集内外在定量和定性上均优于现有方法,使用少量标记样本实现了令人满意的HDR可视化。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小P学长

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值