本文主要是介绍颜色恒常性L2规范化思考，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
颜色恒常性L2规范化思考
- 背景
- 是否正确
- 思考原因
- 新的思考
背景
最近在做硕士毕业论文，关于颜色恒常性。在对源码进行解读的时候发现，对光源ground truth的规范化中，使用了L2方法，对应的，模型的输出光源也使用L2归一化，然后再计算角度误差。
由于之前的研究多为颜色相关，所以直觉考虑有些奇怪，因为CIE中定义色度是有色光加色法决定的，即L1，因此，如果颜色恒常性算法的最终目标是对场景光源的“色度”进行估计，那对应的应该是使用L1才对。
是否正确
在查阅NUS数据集论文，也注意到论文中提及的规范化方法为Euclidean norm，即L2，查阅了华为CVPR2020的代码和FC4的代码，归一化均使用了L2，应该是可以确定这么使用没有问题。
思考原因
对于CIE色度来讲，给到三刺激值，色度确实由L1规范化得到，但是对于颜色恒常性问题，首先可以确定最终需要使用角度误差来判定，而角度误差可以理解为在三维线性空间计算两向量的角度，而对于向量自身使用L2归一化，并不影响最终计算的角度结果。
新的思考
为什么颜色恒常性的估计光源和ground truth使用角度误差来衡量？
联想：已知CIE的色差计算是使用的Lab色空间的平方和开方的方法计算的。
虽然角度误差可以比大小，但是在不同色度上应该是不均匀的，之后查找一下是否有更好的均匀性误差评判方法。
这篇关于颜色恒常性L2规范化思考的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
