通过KANs更好地利用光照先验信息以去除夜间闪光

《Neural Networks》:Better Utilization of Illumination Prior via KANs for Nighttime Flare Removal

【字体: 大 中 小 】 时间:2026年05月19日 来源:Neural Networks 6.3

编辑推荐:

  Aoxiang Ning | Minglong Xue | Senming Zhong | Palaiahnakote Shivakumara | Mingliang Zhou摘要在夜间摄影中,强光源常常会产生光晕现象,这种现象与场景的照明分布密切相关。然而,现有的方法忽略了这种

  
Aoxiang Ning | Minglong Xue | Senming Zhong | Palaiahnakote Shivakumara | Mingliang Zhou

摘要

在夜间摄影中,强光源常常会产生光晕现象,这种现象与场景的照明分布密切相关。然而,现有的方法忽略了这种耦合关系,导致出现颜色失真和边缘模糊等瑕疵。因此,我们提出了一种基于照明的频率自适应网络,该网络创新性地整合了Kolmogorov–Arnold Networks(KANs)来充分利用照明先验信息。通过使用自适应基函数,KANs能够有效模拟照明的非线性变化,引导网络识别光晕的频率特征,从而实现高效且精确的光晕去除。具体而言,我们设计了一种新的照明先验学习方法,通过构建平滑的非线性激活映射来模拟照明分布的复杂关系,从而准确捕捉其深度变化模式。这些先验信息随后被用来动态调整输入特征的频率分布,使模型能够根据照明强度自适应地增强或抑制特定频率成分。此外,我们还提出了一种频率引导的数据合成策略(Swap frequency bands),以减轻依赖合成数据进行训练可能引入的偏差。通过在背景图像和合成光晕图像之间交换不同频率带,我们为模型提供了适当的指导,实现了物理意义上的可解释性监督。大量实验验证了所提出方法的有效性。代码可在以下链接获取:https://github.com/AXNing/Illumination-Guided-Frequency-Adaptive-Network。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号