是否有标准的方法将多张图片输入到CNN中，并最终将信息压缩成一张图片？我正在处理一个HDR数据集，其中包含同一场景的多张图片，并将它们合成为一张噪声较少的图片。
我尝试的方法是将不同的图片设置为通道，但我对这种方法是否合适持怀疑态度，因为输出结果有些奇怪。
回答：
- 这是可行的吗？
是的！任何神经网络，无论层数或类型如何，本质上都是一个函数f：I → O，因此只要你的不同输入属于同一类型，你就可以随意通过网络传递任意数量的输入，并在另一端获得同样数量的输出。这些输出可以通过任何其他函数g：O x O → O’（可以是加法、张量乘法、拼接或其他更复杂的操作，如另一个神经网络）进行进一步处理。
- 这是否合理？
这里没有明确的答案；这在很大程度上取决于你期望你的函数做什么，你的数据是什么，以及你的最终目标是什么。你是否假设所有输入都遵循相同的统计特性或具有相似的底层模式？在这种情况下，你可以认为同一个函数可以对它们进行建模。请记住，通过并行（即异步）应用它们，你的函数对两个输入之间的潜在交叉依赖性是盲目的，这在某些情况下是完全合理的。为了更清楚地说明这一点，如果你的不同输入是单张图片的不同通道，我认为这种方法是错误的；每个通道可能传达不同的信息，而让你的网络对每个通道如何影响其他通道保持无知，同时强迫它使用相同的函数在所有通道上创建有意义的抽象，这听起来不是一个好主意。另一方面，如果你的不同图片是例如从不同角度拍摄的物体照片，并且你应用的子网络是对它们的特征进行某种分类（例如，通过另一个CNN已经获得的特征），那么使用同一个函数对两者进行建模可能是合理的。
