RFormer：基于Transformer的生成对抗网络用于新临床基准上的真实眼底图像复原
图像与视频处理
2022-08-04 v2 计算机视觉与模式识别
摘要
眼科医生利用眼底图像筛查和诊断眼部疾病。然而，不同设备与眼科医生给眼底图像质量带来较大差异。低质量（LQ）退化的眼底图像易导致临床筛查的不确定性，并普遍增加误诊风险。因此，真实眼底图像复原值得研究。遗憾的是，迄今为止该任务尚未有真实临床基准被探索。本文研究真实临床眼底图像复原问题。首先，我们建立了一个临床数据集Real Fundus（RF），包含120对低质量与高质量（HQ）图像。随后我们提出一种新颖的基于Transformer的生成对抗网络（RFormer）来复原临床眼底图像的真实退化。我们网络的关键组件是窗口自注意力块（WSAB），其捕获非局部自相似性与长程依赖。为产生更具视觉愉悦感的结果，引入了基于Transformer的判别器。在我们临床基准上的大量实验表明，所提出的RFormer显著优于最先进的（SOTA）方法。此外，血管分割与视盘/杯检测等下游任务实验表明，我们提出的RFormer有益于临床眼底图像分析与应用。数据集、代码与模型已公开于 https://github.com/dengzhuo-AI/Real-Fundus
引用
@article{arxiv.2201.00466,
title = {RFormer: Transformer-based Generative Adversarial Network for Real Fundus Image Restoration on A New Clinical Benchmark},
author = {Zhuo Deng and Yuanhao Cai and Lu Chen and Zheng Gong and Qiqi Bao and Xue Yao and Dong Fang and Shaochong Zhang and Lan Ma},
journal= {arXiv preprint arXiv:2201.00466},
year = {2022}
}
备注
IEEE J-BHI 2022; The First Benchmark and First Transformer-based Method for Real Clinical Fundus Image Restoration