StawGAN：面向红外图像翻译的结构感知生成对抗网络
计算机视觉与模式识别
2023-05-19 v1 机器学习
图像与视频处理
摘要
本文解决将夜间热红外图像（分析夜间场景最常被采用的图像模态）翻译为白天彩色图像（NTIT2DC，可提供更好的物体感知）的问题。我们引入一种新颖模型，侧重于提升目标生成的质量而非仅仅为其着色。所提出的结构感知（StawGAN）能够在目标域中翻译出形状更佳、高清晰度的物体。我们在包含RGB-IR配对图像的DroneVeichle数据集的航拍图像上测试了我们的模型。相较于其他最先进的图像翻译模型，所提方法产生了更精确的翻译。源代码可在 https://github.com/LuigiSigillo/StawGAN 获取。
引用
@article{arxiv.2305.10882,
title = {StawGAN: Structural-Aware Generative Adversarial Networks for Infrared Image Translation},
author = {Luigi Sigillo and Eleonora Grassucci and Danilo Comminiello},
journal= {arXiv preprint arXiv:2305.10882},
year = {2023}
}