本文介紹我們?cè)?NeurIPS 2023 上的新工作 《Binarized Spectral Compressive Imaging》

論文：https://arxiv.org/abs/2305.10299 代碼1：github.com/caiyuanhao1998/BiSCI 代碼2：github.com/caiyuanhao1998/MST

圖1 BiSRNet 與當(dāng)前最先進(jìn)的二值網(wǎng)絡(luò)的性能對(duì)比

目前所有的代碼，預(yù)訓(xùn)練模型和測(cè)試結(jié)果均已開源在我們開發(fā)的一個(gè)二值化光譜壓縮重建工具包 BiSCI 內(nèi)，該工具包支持八類最主要的二值網(wǎng)絡(luò)，歡迎大家來使用。同時(shí)，我們還將 BiSRNet 嵌入到了我們之前開發(fā)的光譜重建工具箱 MST 當(dāng)中。目前 MST 工具包已支持超過 12 類深度學(xué)習(xí)算法，并包含各種配套的可視化函數(shù)，歡迎大家來對(duì)比。

1. 光譜壓縮重建任務(wù)介紹

相比于常規(guī)的三通道 RGB 圖像，高光譜圖像包含幾十上百個(gè)波段，從而捕獲了關(guān)于成像場(chǎng)景更豐富的信息。也正因?yàn)檫@一重要特性，高光譜圖像被廣泛地應(yīng)用于醫(yī)療，地形勘探，農(nóng)業(yè)等領(lǐng)域。如圖2所示，在醫(yī)院進(jìn)行檢查時(shí)，如果只看常規(guī)的RGB圖像可能很難診斷病因，但是如果采用高光譜圖像捕獲并在特定波長(zhǎng)下渲染的話，就可以看清楚各類血管，骨骼結(jié)構(gòu)等，從而輔助醫(yī)生診斷。同樣的原理也可應(yīng)用在遙感地形勘探和農(nóng)業(yè)病蟲害檢測(cè)。

圖2 高光譜圖像的應(yīng)用

然而高光譜圖像并容易獲取，傳統(tǒng)的成像設(shè)備采用光譜儀對(duì)成像場(chǎng)景進(jìn)行逐波段的掃描，費(fèi)時(shí)費(fèi)力，難以捕捉運(yùn)動(dòng)場(chǎng)景。近些年，科學(xué)家們專門設(shè)計(jì)了單曝光壓縮成像（Snapshot Compressive Imaging，SCI）系統(tǒng)來解決這一問題。其光路結(jié)構(gòu)如圖3所示。該系統(tǒng)首先通過一個(gè)編碼孔徑掩膜對(duì)成像場(chǎng)景的各光譜通道進(jìn)行調(diào)制，然后通過一個(gè)三棱鏡進(jìn)行色散后在相機(jī)上捕獲到一個(gè)二維的快照估計(jì)圖（compressive measurement）。通過這個(gè)光路系統(tǒng)，我們便可將三維的光譜立方塊壓縮成一個(gè)二維的圖像。而光譜壓縮重建的任務(wù)便是從這個(gè)二維的壓縮估計(jì)圖上恢復(fù)出三維的高光譜數(shù)據(jù)。

圖3 單曝光壓縮成像系統(tǒng)

當(dāng)前的主流方法是采用的是全精度模型如 CNN 或者 Transformer 來學(xué)一個(gè)從壓縮估計(jì)圖到三維光譜立方塊的映射。幾個(gè)比較經(jīng)典算法有我們之前的工作 MST，MST++，CST，DAUHST，HDNet 等（這些方法全部都開源在我們的工具箱 MST 當(dāng)中）。這類方法雖然取得了很好的重建效果，但卻難以部署到移動(dòng)端設(shè)備（如智能手機(jī)、相機(jī)、無人機(jī)等）上，因?yàn)橐苿?dòng)端設(shè)備的內(nèi)存空間，計(jì)算資源和電力均有限，無法運(yùn)轉(zhuǎn)全精度模型。另一方面，全精度模型的一些計(jì)算單元如深度展開算子和多頭自注意力機(jī)制等相對(duì)復(fù)雜，移動(dòng)端設(shè)備無法支持。為了推動(dòng)光譜重建算法的實(shí)際應(yīng)用，本文做了如下貢獻(xiàn)：

（1）提出了光譜壓縮重建領(lǐng)域內(nèi)首個(gè)基于二值神經(jīng)網(wǎng)絡(luò)（Binarized Neural Network，BNN）的算法 — 二值化光譜重分布網(wǎng)絡(luò)（Binarized Spectral-Redistribution Network，BiSRNet）。

（2）設(shè)計(jì)了一個(gè)新的二值化卷積單元 — 二值化光譜重分布卷積（Binarized Spectral-Redistribution Convolution，BiSR-Conv）。該卷積單元可以調(diào)整光譜表征的強(qiáng)度和分布，同時(shí)在反向傳播中更好地逼近二值化符號(hào)（Sign）函數(shù)，從而讓求得的梯度更加準(zhǔn)確。

（3）制作了四個(gè)二值化卷積模塊來解決特征圖形變過程中的維度不匹配問題，從而讓全精度信息能流通整個(gè)模型的每一層卷積單元以彌補(bǔ)二值卷積造成的信息損失。

（4）我們的 BiSRNet 顯著地超越了當(dāng)前最先進(jìn)的二值化算法，甚至取得了能與全精度CNN比肩的效果，然而我們的BiSRNet算法卻只需要極低的存儲(chǔ)空間（約 0.06 %）和計(jì)算代價(jià)（約 1 %）。

2. 本文方法

2.1 基礎(chǔ)模型

一般來說，用于二值化的全精度模型應(yīng)該是比較輕量的且它的計(jì)算單元可以再移動(dòng)端設(shè)備上運(yùn)行。然而，現(xiàn)存的CNN 或 Transformer 模型均不滿足這一要求。為此，我們重新設(shè)計(jì)了一個(gè)簡(jiǎn)單，輕量，易于部署的基礎(chǔ)模型（Base Model）。

受到之前工作 MST，MST++，CST，DAUHST 的啟發(fā)，我們?cè)O(shè)計(jì)的基礎(chǔ)模型也采用一個(gè) U 形結(jié)構(gòu)，如圖4所示。

圖4 基礎(chǔ)模型的網(wǎng)絡(luò)結(jié)構(gòu)

在這個(gè)基礎(chǔ)模型中，采用的所有計(jì)算單元都可以被移動(dòng)端設(shè)備支持，同時(shí)也不涉及計(jì)算復(fù)雜度高的操作。

2.2 二值化光譜重分布卷積單元

圖 5 符號(hào)函數(shù)與各類逼近函數(shù)的對(duì)比圖

Clip(x) 與 Quad(x) 的具體表達(dá)式如下：

然而分段線性函數(shù)知識(shí)一個(gè)粗略的估計(jì)，它與符號(hào)函數(shù)之間依舊有著很大的誤差。圖 5 中的陰影部分面積就表示這個(gè)誤差的大小，Clip(x) 的誤差是1。此外，一旦激活或者權(quán)重的值落在了 [-1, 1] 之外，他們就不會(huì)再被更新。盡管分段二次函數(shù)是一個(gè)更精確的逼近（誤差為2/3），上述的兩個(gè)問題依舊存在。為此，我們?cè)O(shè)計(jì)了一個(gè)可縮放的雙曲正切函數(shù)來在反向傳播中擬合符號(hào)函數(shù)：

通過我們的設(shè)計(jì)，全精度信息流就不會(huì)被二值卷積給阻斷，從而能夠順暢地流過我們?cè)O(shè)計(jì)的 BiSR-Conv 單元，如圖 4 (c) 中的紅色箭頭所示。

圖6 本文卷積二值卷積塊與普通二值卷積塊在處理特征圖維度變化時(shí)的對(duì)比

全精度信息流在二值化算法中非常重要，因?yàn)樗谝欢ǔ潭壬蠌浹a(bǔ)了量化導(dǎo)致的信息損失。然而在特征圖的上下采樣過程中，由于維度發(fā)生了變化，難以直接引入殘差鏈接以補(bǔ)充全精度信息，如圖 6 中每個(gè)子圖的左半部分所示。藍(lán)色箭頭表示二值信號(hào)，紅色箭頭表示全精度信息流。普通的二值卷積模塊會(huì)在特征度維度改變的同時(shí)阻斷全精度信息流的傳遞。然而我們的二值卷積模塊通過采用分割合并的技巧，讓全精度信息流不被阻斷，從而在整個(gè)二值模型中流通。

3. 實(shí)驗(yàn)結(jié)果

3.1 量化指標(biāo)

表1 BiSRNet 與 SOTA BNN，傳統(tǒng)方法，全精度CNN方法的量化指標(biāo)對(duì)比

3.2 視覺對(duì)比

圖7 BiSRNet 與其他 BNN 方法在仿真數(shù)據(jù)及上的視覺對(duì)比

圖8 BiSRNet 與其他 BNN 方法在真實(shí)數(shù)據(jù)集上的視覺對(duì)比

4. 總結(jié)

本文首次探索了壓縮量化在光譜壓縮重建領(lǐng)域的應(yīng)用，提出了該領(lǐng)域首個(gè)二值化卷積神經(jīng)網(wǎng)絡(luò) BiSRNet，在量化指標(biāo)和視覺結(jié)果上都顯著地超越了當(dāng)前最先進(jìn)的二值化模型。代碼，預(yù)訓(xùn)練權(quán)重，重建結(jié)果均開源在：

github.com/caiyuanhao1998/BiSCI