BriefGPT - AI 论文速递
·
基于反馈的目标外观学习的夜间热红外图像上色
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
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。
🎯
关键要点
- 提出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。
- 引入小目标外观损失和双重反馈学习策略以提高小对象的外观学习能力。
- FoalGAN在小目标的外观学习方面表现出色。
- 在NTIR2DC任务中，FoalGAN在语义保持和边缘连续性方面优于其他图像转换方法。
- 提供像素级注释的数据集以促进对多种气候条件下的热红外图像的理解研究。
➡️
