基于反馈的目标外观学习的夜间热红外图像上色

本文介绍了一种改善夜晚热红外图像到日间彩色图像转换性能的方法，使用生成对抗网络和反馈式目标外观学习（FoalGAN）方法，并通过引入小目标外观损失和双重反馈学习策略来提高小对象的外观学习能力。实验证明FoalGAN在小目标的外观学习方面表现出色，并在NTIR2DC任务中优于其他图像转换方法。同时，提供像素级注释的数据集来促进对多种气候条件下的热红外图像的理解研究。