Page 486 - 《软件学报》2024年第6期

3062 软件学报 2024 年第 35 卷第 6 期

(c) Input (d) NSRR (e) RCAN (f) RRN (g) Ours (h) GT
图 8 Medieval Docks 场景下的我们方法与其他方法的视觉结果对比 (续)

特别地, 图 9 给出了一个 Bunker 场景下的特殊示例, 即背景光颜色闪烁变化, 当前帧及其相邻帧的光源颜色
[9]
由白、黄、蓝、红随机变化. 如图 9 右侧所示, 第 2 行的 NSRR 结果在对应区域的水管表面表现为偏黄色的底
色, 第 3 行的 RRN [12] 结果在对应区域呈现不规则的蓝色伪影. 这两处错误在当前帧图像中均无对应画面效果, 而
是相关方法从时序信息中获取并使用了对应的颜色信息. 相比较而言, 我们的方法仅使用当前帧的画面内容与几

何缓存, 不会从相邻帧中学习错误的内容, 从而能够处理光源变化剧烈等极端场景.

(b) GT
(a) Ours (h) NSRR

(c) Input (d) NSRR (e) Ours (f) GT

(g) Input (i) Ours (j) GT
图 9 光源闪烁变化场景示例 (第 1 行) 以及我们方法与其他方法的视觉结果对比 (后 3 行)

4.3 运行时间分析

表 2 提供了不同场景生成几何缓存和内容图像以及执行我们网络推理的运行时间, 表中数据以 ms 为单位.