Closed Ambitionfy closed 3 months ago
你好,感谢关注。是这样的,因为如果拟合辐照度图 L 的话,后续变换就需要涉及除法,而除法操作对计算机很不友好,容易导致数值溢出问题。因此,我们直接拟合 L 的倒数,在后续操作中就做乘法,让训练更稳定一些。
如果觉得我们的 repo 有用的话,帮忙点点 star 支持一下,感谢
好,谢谢关注。是这样的,因为如果拟合辐照度图 L 的话,后续变换就需要涉及除法,而除法操作对计算机很不友好,容易导致数值溢出问题。因此,我们直接拟合 L 的倒数,在后续操作中就做乘法,让训练更稳定一些。
如果觉得我们的repo有用的话,帮忙点点star支持一下,谢谢
你好,感谢你的回复。但是在你的网络里,如何保证学习到的是1./L呢?因为我没有看到对其有关的约束,只是看到I与学习到的特征进行相乘。
你好,请问在你的论文Eq. 3中,满足的条件是\bar{L} \odot L = 1, 但是这个约束是如何在网络中体现出的呢?我似乎没有看到有关\bar{L}的约束