视觉先验-在损失函数中的体现

541 字

3 分钟

视觉先验-在损失函数中的体现

2026-06-25

无标签

核心思想是：将我们对图像的数学或语义假设，直接编码为损失函数中的一个 惩罚项，从而约束模型的优化方向

回忆一下经典的MAP框架

L(\theta) = -\log P(X|\theta) -\lambda \log P(\theta)

这个 $\lambda$ 就是先验的权重，它控制了模型在优化时对先验的依赖程度。

基于这个思想，很多经典的图像处理算法都可以被统一到一个框架下：数据项 + $\lambda$ 先验项。

感知损失 (Perceptual Loss)#

先验：人类对图像的感知，更多基于高层语义特征而非逐像素的精确度。两张图即使像素不完全一样，只要语义和结构相似，我们就会认为它们是“一样”的。

实现方式：它不比较两幅图像的像素值，而是利用一个在ImageNet上预训练好的CNN（如VGG网络）作为特征提取器，比较它们在深层特征空间的差异

L_{perceptual} = \sum_{l} \| \phi_l(I_{pred}) - \phi_l(I_{gt}) \|_2^2

先验：自然图像是分片平滑的，相邻像素间的变化通常是平缓的。这个先验假设图像中的噪声是高频的、突变的，而真实结构是低频的、连续的。

实现方式：它直接惩罚图像中相邻像素值的差异，计算图像在水平与垂直方向上的梯度绝对值之和

L_{TV} = \sum_{i,j} \sqrt{(\nabla_x I_{i,j})^2 + (\nabla_y I_{i,j})^2}

视觉先验-在损失函数中的体现

作者

Biscuit

发布于

2026-06-25

许可协议