用结构约束驯服对抗域迁移以进行图像增强
计算机视觉与模式识别
2018-12-10 v3
摘要
本工作的目标是改善因雾、雨及夜间能见度有限等自然原因而退化的交通场景图像。对于这些应用,几乎不可能获得同一场景在有无退化条件下的像素级完美配对。这使得其不适用于常规的监督学习方法,然而,收集完美与退化条件下场景的非配对图像却很容易。为增强在差能见度条件下拍摄的图像,可训练域迁移模型将图像从退化域变换到清晰域。无监督域迁移的一个著名概念是循环一致生成对抗模型。不幸的是,所得生成器常改变场景结构,这导致了语义上的不良改变。我们针对该问题按退化类型提出三种应对方法。
引用
@article{arxiv.1712.00598,
title = {Taming Adversarial Domain Transfer with Structural Constraints for Image Enhancement},
author = {Elias Vansteenkiste and Patrick Kern},
journal= {arXiv preprint arXiv:1712.00598},
year = {2018}
}