一种用于高光谱图像重建的简单自适应展开网络
计算机视觉与模式识别
2023-01-25 v1 图像与视频处理
摘要
我们提出一种简单、高效且可扩展的展开网络 SAUNet，以自适应交替优化框架简化网络设计，用于高光谱图像(HSI)重建。SAUNet 定制了残差自适应 ADMM 框架(R2ADMM)，通过一组可学习参数连接网络各阶段，以促进掩码先验的使用，这极大稳定了训练并解决了精度退化问题。此外，我们引入简单的卷积调制块(CMB)，其带来高效训练、易于扩展和更少计算量。结合这两种设计，SAUNet 可扩展至非平凡的 13 个阶段并持续提升性能。无需额外技巧，SAUNet 相较于先前最先进的同类方法在性能与速度上均有提升，使其在实际高分辨率 HSI 重建场景中可行。我们在 CAVE 和 KAIST HSI 重建基准上创下新纪录。代码与模型见 https://github.com/hustvl/SAUNet。
引用
@article{arxiv.2301.10208,
title = {A Simple Adaptive Unfolding Network for Hyperspectral Image Reconstruction},
author = {Junyu Wang and Shijie Wang and Wenyu Liu and Zengqiang Zheng and Xinggang Wang},
journal= {arXiv preprint arXiv:2301.10208},
year = {2023}
}
备注
Project page: https://github.com/hustvl/SAUNet