AFN：基于注意力反馈网络的三维地形超分辨率
图像与视频处理
2020-10-06 v1 计算机视觉与模式识别
摘要
地形表征地球表面的特征，在诸多应用中起着关键作用，例如仿真、路线规划、地表动力学分析、基于计算机图形的游戏、娱乐、电影等。随着数字技术的近期进展，这些应用对地形中高分辨率细节的存在提出了需求。在本文中，我们提出了一种新颖的基于全卷积神经网络的超分辨率架构，借助从相应航空图像中提取的信息作为互补模态，来提升低分辨率数字高程模型（LRDEM）的分辨率。我们利用一种名为“注意力反馈网络”（AFN）的基于注意力的反馈机制执行 LRDEM 的超分辨率，该机制选择性地融合来自 LRDEM 和航空图像的信息，以增强并注入高频特征，并真实地生成地形。我们将所提架构与现有最先进的 DEM 超分辨率方法进行比较，表明所提架构在准确且真实地增强输入 LRDEM 分辨率方面表现更优。
引用
@article{arxiv.2010.01626,
title = {AFN: Attentional Feedback Network based 3D Terrain Super-Resolution},
author = {Ashish Kubade and Diptiben Patel and Avinash Sharma and K. S. Rajan},
journal= {arXiv preprint arXiv:2010.01626},
year = {2020}
}
备注
Accepted as oral at ACCV 2020