一种用于图像质量增强的混合监督多级 GAN 框架
图像与视频处理
2021-06-30 v1 计算机视觉与模式识别
机器学习
摘要
用于图像质量增强的深度神经网络通常需要大量精心整理的训练数据，包括低质量图像与对应高质量图像组成的图像对。而高质量图像获取通常昂贵且耗时，中等质量图像获取更快、设备成本更低且数量更大。因此，我们提出了一种新颖的生成对抗网络（GAN），其可利用多质量层级（如高质量与中等质量）的训练数据来提升性能，同时限制数据整理成本。我们将混合监督 GAN 应用于（i）组织病理学图像超分辨率，以及（ii）结合超分辨率与手术烟雾去除来增强腹腔镜图像。在大型临床与临床前数据集上的结果显示了我们的混合监督 GAN 相对于当前最优（SOTA）方法的优势。
引用
@article{arxiv.2106.15575,
title = {A Mixed-Supervision Multilevel GAN Framework for Image Quality Enhancement},
author = {Uddeshya Upadhyay and Suyash Awate},
journal= {arXiv preprint arXiv:2106.15575},
year = {2021}
}
备注
MICCAI 2019