TurbuGAN：一种用于空间变化多帧盲去卷积的自对抗学习方法及其在湍流成像中的应用
计算机视觉与模式识别
2023-01-04 v3 机器学习
图像与视频处理
摘要
我们提出了一种用于大气湍流成像的自监督、自校准多帧方法，称为 TurbuGAN。我们的方法无需配对训练数据，可自适应湍流分布，利用领域特定的数据先验，并能从数十到数千次测量中泛化。我们通过改编自 CryoGAN 的对抗式感知框架实现了上述功能，该框架使用判别器网络来匹配捕获测量值与模拟测量值的分布。我们的框架在 CryoGAN 基础上做了如下扩展：（1）将前向测量模型推广为包含物理准确且计算高效的各向异性湍流光传播模型；（2）支持对略有错定的前向模型进行自适应；（3）在可用时利用预训练生成网络的领域特定先验知识。我们在计算模拟与实验捕获的受各向异性湍流畸变图像上验证了 TurbuGAN。
引用
@article{arxiv.2203.06764,
title = {TurbuGAN: An Adversarial Learning Approach to Spatially-Varying Multiframe Blind Deconvolution with Applications to Imaging Through Turbulence},
author = {Brandon Yushan Feng and Mingyang Xie and Christopher A. Metzler},
journal= {arXiv preprint arXiv:2203.06764},
year = {2023}
}