SAGAN：用于含噪 Nona-Bayer 重建的对抗式空间非对称注意力
图像与视频处理
2021-10-20 v2 计算机视觉与模式识别
摘要
Nona-Bayer 彩色滤光片阵列（CFA）图案被认为是传统 Bayer 图案最具可行性的替代方案之一。尽管具有显著优势，此类非 Bayer CFA 图案在从含噪传感器数据重建 RGB 图像时易产生视觉伪影。本研究全面解决了从含噪 Nona-Bayer CFA 学习 RGB 图像重建的挑战。我们提出了一种新颖的空间非对称注意力模块，联合学习双向变换与大核全局注意力以减少视觉伪影。我们将所提模块与对抗学习相结合，以从 Nona-Bayer CFA 生成逼真图像。所提方法的可行性已得到验证，并与最先进的图像重建方法进行了比较。实验表明，所提方法能从含噪 Nona-Bayer CFA 重建 RGB 图像而不产生任何视觉干扰伪影。同时，在定性与定量比较中均优于最先进的图像重建方法。代码可用：https://github.com/sharif-apu/SAGAN_BMVC21。
引用
@article{arxiv.2110.08619,
title = {SAGAN: Adversarial Spatial-asymmetric Attention for Noisy Nona-Bayer Reconstruction},
author = {S M A Sharif and Rizwan Ali Naqvi and Mithun Biswas},
journal= {arXiv preprint arXiv:2110.08619},
year = {2021}
}