NSANet:噪声搜寻注意力网络
计算机视觉与模式识别
2023-02-28 v1 图像与视频处理
摘要
LiDAR(光探测与测距)技术在众多应用中持续广泛用于捕获自然与人工环境。电光工程近期的技术进步有助于以更高脉冲重复频率(PRF)获取激光回波,显著增加了三维点云的密度。具有较低 PRF 的传统技术具有单一空中脉冲(SPIA)区,其足够大以避免接收端脉冲对之间的失配。新型多空中脉冲(MPIA)技术保证了单条航线的多个作业距离窗口且无盲区。该技术的缺点是将大气回波投影到邻近地形点的同一空中脉冲区,可能与其感兴趣物体相交。这些噪声特性损害了场景的感知质量,并促使开发新的噪声滤波神经网络,因为现有滤波器明显低效。我们提出一种称为噪声搜寻注意力网络(NSANet)的新型双注意力噪声滤波神经网络,其利用物理先验与局部空间注意力来滤波噪声。我们的研究受特征整合与注意力参与两种心理学理论启发,以证明注意力在计算机视觉编码与解码阶段的作用。NSANet 所呈现的结果显示了朝向注意力参与理论的倾向,并与最先进的噪声滤波深度卷积神经网络相比获得性能提升。
引用
@article{arxiv.2302.13392,
title = {NSANet: Noise Seeking Attention Network},
author = {Maryam Jameela and Gunho Sohn},
journal= {arXiv preprint arXiv:2302.13392},
year = {2023}
}