基于边缘引导的对抗条件扩散模型的热模态数据生成方案
原文中文，约400字，阅读约需1分钟。发表于：。在光线较暗和恶劣天气条件下，热视觉算法，特别是物体检测方面，表现出了显著的潜力，与可见光视觉算法经常遇到的困难形成鲜明对比。然而，受到训练数据样本的缺乏限制，基于深度学习模型的热视觉算法的有效性仍有待提高。本文介绍了一种名为边缘引导条件扩散模型的新方法，旨在以像素级别生成精确对齐的伪热图像，利用从可见图像中提取的边缘信息。通过利用可见域中的边缘作为上下文线索，扩散模型在生成图像中对物体的勾勒...
在光线较暗和恶劣天气条件下，热视觉算法表现出潜力，但受训练数据样本缺乏限制。本文介绍了一种新方法，利用边缘信息生成精确对齐的伪热图像。通过扩散模型实现对物体的精确控制。提出了两阶段模态对抗训练策略，过滤可见域特定边缘信息。实验证明该方法在图像生成质量方面优于现有方法。
