探索分辨率与退化线索作为低质量目标检测的自监督信号
计算机视觉与模式识别
2022-08-08 v1
摘要
超分辨率（SR）等图像复原算法是低质量图像中目标检测不可或缺的预处理模块。这类算法大多假设退化是固定且先验已知的。然而在实践中，真实的退化或最优上采样倍率往往未知或与假设不符，导致预处理模块及后续高层任务（如目标检测）性能下降。本文提出一种新颖的自监督框架，用于检测退化低分辨率图像中的目标。我们利用下采样退化作为一种变换来生成自监督信号，以探索针对各种分辨率及其他退化条件的等变表示。自监督中的自编码分辨率（AERIS）框架可进一步借助具有任意分辨率复原解码器的高级 SR 架构，从退化输入图像重建原始对应关系。表示学习与目标检测均以端到端训练方式联合优化。该通用 AERIS 框架可基于不同骨干网络的各种主流目标检测架构实现。大量实验表明，在面对多变退化情形时，我们的方法相比现有方法取得了更优性能。代码将发布于 https://github.com/cuiziteng/ECCV_AERIS。
引用
@article{arxiv.2208.03062,
title = {Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection},
author = {Ziteng Cui and Yingying Zhu and Lin Gu and Guo-Jun Qi and Xiaoxiao Li and Renrui Zhang and Zenghui Zhang and Tatsuya Harada},
journal= {arXiv preprint arXiv:2208.03062},
year = {2022}
}
备注
Accepted by ECCV 2022. arXiv admin note: substantial text overlap with arXiv:2201.02314