SPI-GAN：通过生成对抗网络实现单像素成像
计算机视觉与模式识别
2021-07-06 v1 机器学习
图像与视频处理
信号处理
摘要
单像素成像是一种新颖的成像方案，因其巨大的计算优势以及作为可见光谱之外成像的低成本替代方案的潜力而受到欢迎。当限制来自空间光调制器的照明图案数量时，传统的重建方法难以产生清晰的恢复。作为补救措施，已经提出了几种基于深度学习的解决方案，但由于架构设置和损失函数，这些方案缺乏良好的泛化能力。在本文中，我们提出了一种基于生成对抗网络的重建框架用于单像素成像，称为SPI-GAN。即使采样率降至5%，我们的方法也能以17.92 dB的PSNR和0.487的SSIM重建图像。这促进了更快的重建，使我们的方法适用于单像素视频。此外，我们生成器中的类ResNet架构导致了有用的表示学习，使我们能够重建完全未见过的物体。实验结果表明，SPI-GAN相对于当前最先进的方法实现了显著的性能提升，例如近3 dB的PSNR增益。
引用
@article{arxiv.2107.01330,
title = {SPI-GAN: Towards Single-Pixel Imaging through Generative Adversarial Network},
author = {Nazmul Karim and Nazanin Rahnavard},
journal= {arXiv preprint arXiv:2107.01330},
year = {2021}
}