LTT-GAN：通过反演 GAN 透视湍流
计算机视觉与模式识别
2023-07-26 v1
摘要
在远程成像的许多应用中，我们常面临所捕获图像中的人物因大气湍流而退化的情形。然而，由于退化导致图像几何畸变与模糊，对此类退化图像进行复原以用于人脸验证十分困难。为减轻湍流影响，本文提出首个利用训练良好的 GAN 所封装视觉先验的湍流缓解方法。基于该视觉先验，我们提出在一种空间周期性上下文距离上学习保持复原图像的身份。该距离能在网络学习中兼顾身份差异的同时，保持 GAN 复原图像的真实感。此外，提出层次化伪连接，通过引入更多不改变身份的外观方差来促进身份保持学习。大量实验表明，我们的方法在复原结果的视觉质量与人脸验证准确率上均显著优于先前最优方法。
引用
@article{arxiv.2112.02379,
title = {LTT-GAN: Looking Through Turbulence by Inverting GANs},
author = {Kangfu Mei and Vishal M. Patel},
journal= {arXiv preprint arXiv:2112.02379},
year = {2023}
}
备注
Project Page: https://kfmei.page/LTT-GAN/