Dec, 2018

在野外从单个 RGB 图像中实现光谱估计

PDF
TL;DR本文提出针对 RGB 图像的光谱重建问题一种基于深度学习和卷积网络的高效解决方案，使用参考光谱进行敏感度函数估计，并讨论普适性与特化模型的局限性，实验结果表明，从单张 RGB 图像准确进行光谱估计已经可以在一定程度上实现。
spectral reconstructiontrichromatic rgb imagedeep learningconvolutional networkspectral estimation
发现论文，激发创造
  • 野外单个 RGB 图像中基于语义嵌入的无监督光谱重建

    该研究提出了一种新颖的轻量级、端到端学习的框架，能够在没有成对的高光谱和 RGB 图像训练数据的情况下，从单个 RGB 图像重建高光谱图像，并在合成和实际数据上实现了更好的性能。

    Aug, 2021

  • NTIRE 2020 挑战赛：从 RGB 图像中重建光谱

    本文回顾了 RGB 图像中光谱重建的第二个挑战，并评估了其现状，其中提供了一个大型自然高光谱图像数据集，并提供了一些最佳的重建方法来获取整个场景的高光谱信息。

    May, 2020

  • 学习的光谱超分辨率

    使用卷积神经网络 (CNN) 的最佳实践完成从 RGB 图像到对应大小的高光谱图像的直接映射，实现了超分辨率的高光谱成像，优于现有技术水平。

    Mar, 2017

  • 从 RGB 图像中重建光谱的高效卷积神经网络

    本研究提出了一个中等深度的卷积神经网络模型，实验结果在 ICVL、CAVE、NUS 三个光谱重建标准基准上表现出了明显的改进，表明该模型在光谱超分辨率方面有广泛应用前景。

    Apr, 2018

  • 基于敌对网络的 RGB 空间上下文感知光谱图像重建

    本文提出了一种基于生成对抗网络的图像到图像映射方法，用于超光谱自然图像重建，经过定量评估，相对均方根误差降低了 54.0%。

    Sep, 2017

  • 使用多尺度卷积神经网络从单个 RGB 图像实现准确的光谱超分辨率

    本文提出了一种基于深度卷积神经网络的多尺度图像转换方法，可以从 RGB 观测值中产生高分辨率的高光谱图像。在对中间特征图进行对称下采样和上采样的级联模式下，可以共同编码局部和非局部图像信息以获得更准确的光谱重建精度。

    Jun, 2018

  • RGB 光谱重建中基于照明感知的 IR-Cut 滤镜调整

    本研究提出了一种基于滤光阵列的颜色成像机制，旨在设计 IR 剪切滤光片，以改善现有 RGB 相机的光谱恢复，进而提出一个基于深度学习的光谱重建方法，并得到了合成和真实图像试验结果的验证。

    Mar, 2021

  • 使用单色点投影进行深层次高光谱深度重建

    该论文提出了一种新的单次多光谱深度重建方法，使用 RGB 相机和投影仪，利用单个彩色点图像实现深度重建和空间变化颜色照明的多光谱反射重建，文中介绍了网络架构，并通过实验表明该方法优于现有单次多光谱反射重建方法和深度重建方法的组合。

    Apr, 2022

  • 无需相机的光谱灵敏度估计

    本文提出了一种使用已公开的高质量校准数据构建特定于相机的方程组的方法，并使用自动编码器限制其解决方案的框架，以实现不需要任何硬件或实际接触相机本身的光谱灵敏度估计，并以 Adobe DNG Converter 提供的预测灵敏度为 1000 多个相机，讨论了当摄像机响应可用时哪些任务可以变得简单。

    Apr, 2023

  • 从 RGB 图像中学习恢复光谱反射率

    本文提出了一种基于自我监督元辅助学习策略的新型架构，应用于从 RGB 图像中恢复光谱反射率的问题，并在算法中引入了光谱反射率与对应 RGB 图像之间的物理关系以及多种光照条件下的多图像信息以提高模型效果。

    Apr, 2023