هوش مصنوعی با استفاده از ماسک‌های هوشمند و آموزش خلاقانه، نورپردازی کامل را در عکس‌ها می‌آموزد

جدول پیوندها

ضمیمه

4. چند نقاب Autoencoder پیش آموزش

ما رمزگذار خودکار چند نقاب‌دار (MMAE) را معرفی می‌کنیم، یک چارچوب پیش‌آموزشی تحت نظارت خود که برای بهبود نمایش ویژگی‌ها در مدل‌های نورپردازی مجدد طراحی شده است. هدف آن بهبود کیفیت خروجی بدون تکیه بر داده‌های اضافی و پرهزینه است. بر اساس چارچوب MAE [19]، MMAE از یادگیری ذاتی ویژگی های مهم تصویر مانند ساختار، رنگ و بافت، که برای روشن کردن وظایف ضروری هستند، استفاده می کند. با این حال، انطباق MAE با نیازهای خاص ما چندین چالش غیر ضروری را به همراه دارد. اولا، MAE در درجه اول برای ترانسفورماتورهای بینایی طراحی شده است [15]، در حالی که تمرکز ما بر روی UNet است، یک کانولوشن مبتنی بر…