基于条件生成对抗网络的热红外彩色化
计算机视觉与模式识别
2018-11-06 v2
摘要
将热红外图像转换为逼真的 RGB 图像是一项具有挑战性的任务。本文我们提出一种深度学习方法来弥补这一差距。我们提出使用保留细节的由粗到细生成器来学习转换映射。由于标准均方损失不能很好地惩罚彩色化图像与真实图像之间的距离，我们提出一种结合内容损失、对抗损失、感知损失与全变分损失的复合损失函数。内容损失用于恢复全局图像信息，而后三种损失用于合成局部逼真纹理。定量与定性实验表明我们的方法显著优于现有方法。
引用
@article{arxiv.1810.05399,
title = {Thermal Infrared Colorization via Conditional Generative Adversarial Network},
author = {Xiaodong Kuang and Xiubao Sui and Chengwei Liu and Yuan Liu and Qian Chen and Guohua Gu},
journal= {arXiv preprint arXiv:1810.05399},
year = {2018}
}