用于光谱恢复的一次性神经波段选择
计算机视觉与模式识别
2023-05-17 v1 图像与视频处理
摘要
波段选择对光谱恢复质量有很大影响。为解决这一病态逆问题，多数波段选择方法采用手工先验或利用聚类、稀疏正则化约束来寻找最显著的波段。这些方法或因针对不同选择频率或不同波段组合反复训练的计算代价而非常缓慢。许多传统方法依赖场景先验，故不适用于其他场景。本文提出一种用于光谱恢复的新颖一次性神经波段选择（NBS）框架。与具有离散搜索空间与不可微搜索策略的传统搜索方法不同，我们的 NBS 基于波段选择过程的连续松弛，从而允许利用梯度下降进行高效波段搜索。为使一次性选择任意数量波段成为可能，我们进一步利用波段间相关矩阵逐步抑制相似的相邻波段。在 NTIRE 2022 光谱重建挑战赛上的大量评估表明，当用四种不同光谱恢复方法检验时，我们的 NBS 相较竞争基线取得了一致的性能提升。我们的代码将公开可用。
引用
@article{arxiv.2305.09236,
title = {One-shot neural band selection for spectral recovery},
author = {Hai-Miao Hu and Zhenbo Xu and Wenshuai Xu and You Song and YiTao Zhang and Liu Liu and Zhilin Han and Ajin Meng},
journal= {arXiv preprint arXiv:2305.09236},
year = {2023}
}
备注
Accepted by ICASSP 2023, any questions contact [email protected]