MultiEarth 2023 多模态 SAR 到 EO 图像翻译挑战赛冠军方案
计算机视觉与模式识别
2023-06-23 v1 图像与视频处理
摘要
地球与环境多模态学习研讨会（MultiEarth 2023）旨在利用长期收集的大量遥感数据来监测和分析地球生态系统的健康。其子任务“多模态 SAR 到 EO 图像翻译”涉及利用即使在恶劣天气与光照条件下也稳健的 SAR 数据，将其转化为高质量、清晰且视觉宜人的 EO 数据。在 SAR2EO 任务中，EO 数据中的云或障碍物可能带来挑战。为解决此问题，我们提出干净采集算法（CCA），旨在充分利用无云 SAR 数据并消除可能阻碍数据学习过程的因素。随后，我们应用 pix2pixHD 进行 SAR 到 EO 翻译，并采用 Restormer 进行图像增强。在最终评估中，'CDRL' 团队取得了 0.07313 的 MAE，在排行榜上位居第一。
引用
@article{arxiv.2306.12626,
title = {1st Place Solution to MultiEarth 2023 Challenge on Multimodal SAR-to-EO Image Translation},
author = {Jingi Ju and Hyeoncheol Noh and Minwoo Kim and Dong-Geol Choi},
journal= {arXiv preprint arXiv:2306.12626},
year = {2023}
}