IR2VI：基于无监督热成像翻译的增强夜间环境感知
计算机视觉与模式识别
2018-06-26 v1
摘要
上下文增强对夜视（NV）应用至关重要，尤其在无任何人工光照的暗夜情况下。本文中，我们提出红外到可见光（IR2VI）算法，一种基于生成对抗网络（GANs）的新型无监督热红外到可见光图像翻译框架。IR2VI 能够学习可见光（VI）图像的内在特征并将其整合进红外（IR）图像。由于现有基于无监督 GAN 的图像翻译方法面临若干挑战，如错误映射和缺乏细节，我们提出一种结构连接模块和感兴趣区域（ROI）焦点损失方法来解决当前局限。实验结果表明 IR2VI 算法相对于基线方法的优越性。
引用
@article{arxiv.1806.09565,
title = {IR2VI: Enhanced Night Environmental Perception by Unsupervised Thermal Image Translation},
author = {Shuo Liu and Vijay John and Erik Blasch and Zheng Liu and Ying Huang},
journal= {arXiv preprint arXiv:1806.09565},
year = {2018}
}
备注
Present at CVPR Workshops 2018