用于光谱快照压缩成像的自监督神经网络
图像与视频处理
2021-08-31 v1 计算机视觉与模式识别
摘要
我们考虑使用{\bf\em 未训练神经网络}来解决快照压缩成像（SCI）的重建问题，SCI利用二维（2D）探测器以压缩方式捕获高维（通常为3D）数据立方体。近年来已构建多种SCI系统以捕获高速视频、高光谱图像等数据，其最先进的重建结果由深度神经网络获得。然而，这些网络大多以端到端方式通过大量语料（有时为模拟的真值、测量对）训练得到。受深度图像先验（DIP）和深度解码器等未训练神经网络的启发，本文将DIP集成到即插即用框架中，从而构建了用于光谱SCI重建的自监督网络。大量合成与真实数据结果表明，所提无需训练的方法能够达到与基于训练的网络相竞争的结果。此外，通过将所提方法与预训练的深度去噪先验结合，我们取得了最先进的结果。{我们的代码见 \url{https://github.com/mengziyi64/CASSI-Self-Supervised}。}
引用
@article{arxiv.2108.12654,
title = {Self-supervised Neural Networks for Spectral Snapshot Compressive Imaging},
author = {Ziyi Meng and Zhenming Yu and Kun Xu and Xin Yuan},
journal= {arXiv preprint arXiv:2108.12654},
year = {2021}
}
备注
ICCV 2021