用于生成逼真卫星图像的自注意力任务生成对抗网络
机器学习
2021-11-19 v1 计算机视觉与模式识别
摘要
我们提出了一种自注意力任务生成对抗网络(SATGAN),并将其应用于以下问题:利用从采集数据中学到的真实噪声模式和传感器特性,对驻留空间物体的合成高对比度科学图像进行增强。由于数据中必须保留的语义内容具有高度局部化特性,增强这些合成数据颇具挑战。真实采集的图像用于训练网络以学习某类传感器图像应有的外观。训练后的网络充当无噪声背景图像上的滤波器,输出语义内容未被改变的逼真伪图像。该架构受条件 GAN 启发,但经修改以包含一个通过增强来保留语义信息的任务网络。此外,该架构被证明可减少代表空间观测场景的背景图像中幻觉物体或语义内容被遮蔽的情况。
引用
@article{arxiv.2111.09463,
title = {Self-Attending Task Generative Adversarial Network for Realistic Satellite Image Creation},
author = {Nathan Toner and Justin Fletcher},
journal= {arXiv preprint arXiv:2111.09463},
year = {2021}
}
备注
9 pages, 11 figures, 1 table, to be published in IEEE Aerospace 2022