用于从RGB图像进行光谱重建的分层回归网络
图像与视频处理
2020-05-12 v1 计算机视觉与模式识别
机器学习
摘要
利用窄带成像技术，使用高光谱相机捕获视觉图像已成功应用于许多领域。从RGB图像进行高光谱重建是指通过发现逆响应函数来逆转高光谱成像的过程。当前工作主要将RGB图像直接映射到相应光谱，但未显式考虑上下文信息。此外，当前算法中编码器-解码器对的使用导致信息丢失。为解决这些问题，我们提出了一种以PixelShuffle层作为层级间交互的4级分层回归网络(HRNet)。进一步，我们采用残差密集块来去除真实世界RGB图像的伪影，并采用残差全局块构建注意力机制以扩大感受野。我们通过参与NTIRE 2020从RGB图像进行光谱重建挑战赛，将提出的HRNet与其他架构和技术进行了评估。HRNet是第2赛道——真实世界图像的获胜方法，并在第1赛道——干净图像上排名第3。请访问项目网页 https://github.com/zhaoyuzhi/Hierarchical-Regression-Network-for-Spectral-Reconstruction-from-RGB-Images 试用我们的代码和预训练模型。
引用
@article{arxiv.2005.04703,
title = {Hierarchical Regression Network for Spectral Reconstruction from RGB Images},
author = {Yuzhi Zhao and Lai-Man Po and Qiong Yan and Wei Liu and Tingyu Lin},
journal= {arXiv preprint arXiv:2005.04703},
year = {2020}
}
备注
1st Place in CVPRW 2020 NTIRE Spectral Reconstruction Challenge