论文阅读笔记----Learning an inverse tone mapping network with a generative adversarial regularizer

Ning S, Xu H, Song L, et al. Learning an inverse tone mapping network with a generative adversarial regularizer[C]//2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2018: 1383-1387.

摘要

本文提出了一种新的基于深度学习的iTM方法,该方法利用生成式对抗性正则化器学习逆色调映射网络。在交替优化的框架下,我们学习了一个基于u - net的HDR图像生成器来将输入的LDR图像转换为HDR图像,以及一个简单的基于cnn的鉴别器来对真实的HDR图像和生成的HDR图像进行分类。具体来说,在学习生成器时,我们考虑了与内容相关的损失和生成的对抗正则化器,以提高生成的HDR图像的稳定性和鲁棒性。使用学好的生成器作为反色调映射网络,我们取得了优于最先进的方法一致的iTM结果。

网络结构

网络结构
每一层都是一个卷积层,以批处理归一化层和LeakyReLU为激活函数,最后一层为sigmoid为激活函数。我们的架构由10层5个卷积层和5反卷积层组成。我们使用LeakyReLU,并避免使用最大池化层。考虑到所提出的iTM运算应该是多尺度不变的,我们认为U-Net应该适合我们的工作。对于我们的鉴别器,其卷积层是一个convolution-batchnormo -LeakyReLU模块,其全连通层以LeakyReLU为激活函数。

loss function

在这里插入图片描述
content loss
在这里插入图片描述
dx和dy计算图像每个通道的水平和垂直差值。

adversarial regularizer
在这里插入图片描述
交替更新
在这里插入图片描述

实现细节

优化器是RMSProp,学习速度从10e-4下降。参数λ是设置为10e4, α是设置为10e5。

发布了48 篇原创文章 · 获赞 3 · 访问量 3095
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 游动-白 设计师: 上身试试

分享到微信朋友圈

×

扫一扫,手机浏览