RSINet：使用三重 GAN 框架修复遥感图像
计算机视觉与模式识别
2022-02-15 v1 机器学习
图像与视频处理
摘要
我们解决遥感领域的图像修复问题。遥感图像具有高分辨率和地理变化性，使得传统修复方法效果较差。这进一步要求具有较高复杂度的模型，以充分捕捉图像中由其高空间变异性产生的光谱、空间与纹理细微特征。为此，我们提出了一种新颖的修复方法，其使用任务特定的 GAN 分别聚焦于图像的边缘、颜色与纹理各个方面。此外，每个独立的 GAN 还结合了注意力机制，以显式提取光谱与空间特征。为确保一致的梯度流，该模型采用残差学习范式，从而同时处理高层与低层特征。我们在两个知名遥感数据集 Open Cities AI 和 Earth on Canvas 上评估了我们的模型及以往的 SOTA 模型，并取得了有竞争力的性能。
引用
@article{arxiv.2202.05988,
title = {RSINet: Inpainting Remotely Sensed Images Using Triple GAN Framework},
author = {Advait Kumar and Dipesh Tamboli and Shivam Pande and Biplab Banerjee},
journal= {arXiv preprint arXiv:2202.05988},
year = {2022}
}