Patch-GAN迁移学习与重建模型用于云去除
计算机视觉与模式识别
2025-01-10 v1 图像与视频处理
摘要
云去除在增强遥感图像分析中至关重要，但准确重建云遮挡区域仍然是一个重大挑战。生成模型的最新进展使得生成逼真图像越来越容易，为这一任务提供了新的机会。鉴于图像生成和云去除任务之间的概念一致性，生成模型为解决遥感中的云去除提供了一种有前景的方法。在这项工作中，我们提出了一种基于生成对抗网络（GAN）框架的深度迁移学习方法，以探索新颖的掩码自编码器（MAE）图像重建模型在云去除中的潜力。由于遥感图像的复杂性，我们进一步提出使用分块判别器来判断图像的每个块是真实的还是生成的。所提出的重建迁移学习方法在云去除性能上相比其他基于GAN的方法有显著提升。此外，尽管由于一些最先进的云去除技术的训练/测试数据划分细节不明确，直接比较受到限制，但基于现有基准，所提出的模型取得了有竞争力的结果。
引用
@article{arxiv.2501.05265,
title = {Patch-GAN Transfer Learning with Reconstructive Models for Cloud Removal},
author = {Wanli Ma and Oktay Karakus and Paul L. Rosin},
journal= {arXiv preprint arXiv:2501.05265},
year = {2025}
}