StfNet 架构训练：基于时间差分的参数估计

训练我们提出的 StfNet 架构需要对两个卷积神经网络 M0 和 M1 进行参数估计。按照传统的 LBF 方法，我们假设粗细图像对之间的关系在同一时期内是不变的，并从 t1 到 t3 选择可用的粗细差异图像对 (C13 和 F13) 作为训练数据集。为了从 TD 中受益，t1 和 t3 时刻的邻近精细图像 (F1 和 F3) 也被用作输入。在时间约束下，我们可以得到提议的网络架构的目标函数如下：xxxxx。在这里，?0 和 ?1 分别表示两个卷积神经网络映射模型 M0 和 M1 的网络参数；LR 是带有 TD 的重建损失，通过 yyyy 计算。