问题

[jujujujuz]

你好作者，有一些问题希望你能帮我解答

在你的论文中，损失函数是这样定义的。
而在你的代码中损失函数是这样的
content_loss = L1loss(restored, target) ssim_loss = 1 - ssim(restored, target, data_range=1.0).to("cuda:0") content_loss = content_loss+ssim_loss tv_loss = TVLoss() TV_loss = tv_loss(restored) loss = 0.95*content_loss + 0.05*TV_loss

我并没有找到在你论文中提到的，有关小波变换和傅里叶变换的损失函数。是并没有用到，还是在哪里我没有找到，希望你能帮我解答。

还有一个问题就是关于WMB模块的问题

在你的论文模块是这样的
而在代码里面模块是这样
`class WMB(nn.Module):
def init(self, dim, num_heads=1, ffn_expansion_factor=2.66, bias=True, LayerNorm_type='WithBias'):
super(WMB, self).init()
self.DWT = blocks.DWT()
self.IWT = blocks.IWT()
self.norm1 = LayerNorm(dim, LayerNorm_type)
self.illu = Illumination_Estimator(dim, n_fea_in=dim+1, n_fea_out=dim)
self.norm2 = LayerNorm(dim, LayerNorm_type)
self.ffn = FeedForward(dim, ffn_expansion_factor, bias)
self.mb = WM(dim)

def forward(self, input_):
    global m
    x = input_
    n, c, h, w = x.shape
    x = self.norm1(x)
    x = data_transform(x)
    input_dwt = self.DWT(x)
    # input_LL=A [B,C,H/2,W/2]   input_high0={V,H,D} [3B,C,H/2,W/2]
    input_LL, input_high = input_dwt[:n, ...], input_dwt[n:, ...]
    input_LL, input_image = self.illu(input_LL)
    input_high = self.mb(input_high)

    output = self.IWT(torch.cat((input_LL, input_high), dim=0))
    output = inverse_data_transform(output)

    x = x + output
    x = x + self.ffn(self.norm2(x))
    return x`

按在论文中图的解释，低频信息要经过mamba，高频信息只用过卷积就可以了。而在代码中则反了过来。希望你能帮我解释。

[mcpaulgeorge]

Loss函数我们还是选用的L1和SSIM的结合加上TVLoss平衡预测后的过曝噪声，常规的小波和傅里叶的loss会出现振荡，所以没有选取，而TVloss是对原预测图而言的，不会因gt影响。
我们在训练时做了很多的消融，但模型训练时归档有点问题，目前模型文件和预训练模型应该是上传了另一个版本，原模型的WMB的模块逻辑应为 input_high, input_image = self.illu(input_high) input_LL = self.mb(input_LL)。 由于毕业季临近，在忙完这阵子后会把预训练模型重新上传。