面向遥感图像生成的流形约束正则化
计算机视觉与模式识别
2024-03-29 v3 图像与视频处理
摘要
生成对抗网络（GANs）在遥感领域已展现出显著成就。然而，本文揭示其与在自然图像上的惊艳结果相比，在遥感图像上的性能有所不及。本研究指出了一个此前被忽视的问题：GANs 对遥感图像表现出更高的过拟合敏感性。为应对这一挑战，本文分析了遥感图像的特性，并提出了流形约束正则化——一种首次解决 GANs 在遥感图像上过拟合问题的新方法。我们的方法包含一种评估数据流形结构的新测度。利用该测度，我们提出流形约束正则化项，其不仅缓解过拟合问题，还促进生成与真实数据流形之间的对齐，从而提升生成图像的质量。该方法的有效性与通用性已通过在多种遥感数据集与 GAN 模型上的广泛验证得到证实。所提方法不仅提升了生成图像的质量（Frechet Inception Distance (FID) 分数提高 3.13%），还增强了 GANs 在下游任务上的性能（分类准确率提升 3.76%）。
引用
@article{arxiv.2305.19507,
title = {Manifold Constraint Regularization for Remote Sensing Image Generation},
author = {Xingzhe Su and Changwen Zheng and Wenwen Qiang and Fengge Wu and Junsuo Zhao and Fuchun Sun and Hui Xiong},
journal= {arXiv preprint arXiv:2305.19507},
year = {2024}
}