基于对抗训练的非配对热红外至可见光光谱迁移
计算机视觉与模式识别
2019-04-05 v1
摘要
热红外（TIR）相机因能在低光照条件下工作，正于众多计算机视觉应用中日益普及。TIR 相机所产图像通常难以被人眼直观感知，限制了其实用性。文献中已有若干方法通过将 TIR 图像变换为逼真可见光光谱（VIS）图像来解决此问题。然而，现有 TIR-VIS 数据集存在 TIR-VIS 图像对间对齐不完美的问题，削弱了监督方法的性能。我们通过使用在无配对 TIR 与 VIS 图像上训练的无监督生成对抗网络（GAN）来学习该变换，从而应对此问题。在 KAIST-MS 数据集上训练与评估时，我们提出的方法被证明比现有最先进监督方法生成显著更逼真且清晰的 VIS 图像。此外，在全新环境的新数据集上评估时，我们提出的方法展现出极佳的泛化能力。
引用
@article{arxiv.1904.02242,
title = {Unpaired Thermal to Visible Spectrum Transfer using Adversarial Training},
author = {Adam Nyberg and Abdelrahman Eldesokey and David Bergström and David Gustafsson},
journal= {arXiv preprint arXiv:1904.02242},
year = {2019}
}
备注
Published in Computer Vision ECCV 2018 Workshops