MMAug, 2021

I2V-GAN：无配对红外 - 可见视频转换

PDF
TL;DR该研究提出了一种基于 I2V-GAN 的视频翻译方法，可以生成细粒度和时空一致的可见光视频。该方法采用三种约束，包括对抗损失、循环一致性和相似性约束，同时提供了一个新的 IRVI 数据集，以提高这方面的研究水平。
infrared camerasvideo translationi2v-ganperceptual lossirvi dataset
发现论文，激发创造
  • IR2VI：无监督热成像转换增强夜间环境感应

    本文提出了一种基于生成对抗网络的红外 - 可见光图像翻译算法 IR2VI，利用其结构连接模块和 ROI 聚焦损失方法，将可见光和红外图像的特征相互整合，以达到提高夜视效果的目的，并通过实验表明 IR2VI 算法超越了基准方法的优越性。

    Jun, 2018

  • 使用对抗训练进行未配对的热到可见光谱转换

    提出了一种使用生成对抗网络的无监督学习方法，来实现热红外相机拍摄图像的可视化处理，相较于现有的监督学习模型，该模型在 KAIST-MS 数据集上表现更好，并且对新环境具有良好的泛化性能。

    Apr, 2019

  • 隐式多光谱转换器：一种轻量且有效的可见光到红外图像转换模型

    通过使用基于 Transformer 的新型模型，将可见光图像转换为高保真红外图像，从而解决了低光条件下可见光图像对比度低的问题，并比现有方法在质量和数量上都有显着优势，为红外图像的下游应用提供了更有效的支持。

    Apr, 2024

  • 图像到图像翻译在改进行人检测中的应用

    使用深度学习模型和可见光红外图像对数据集进行训练，从而实现在低光环境中的行人识别。

    Sep, 2022

  • HDDGAN：用于红外和可见光图像融合的异构双辨别生成对抗网络

    通过引入新型异构双鉴别生成对抗网络（HDDGAN），本研究旨在解决红外与可见光图像融合过程中捕捉热区域信息和纹理细节的挑战。通过多尺度连接结构和注意力机制，HDDGAN 能够从不同源图像中提取重要特征，并实现信息融合结果的更好信息表示。通过在各种公共数据集上进行广泛实验，证明了 HDDGAN 相较于其他现有算法的优越性能，展示其在实际应用中的潜力增强。

    Apr, 2024

  • TV-GAN: 基于生成对抗网络的热成像到可见光人脸识别

    提出一种基于 TV-GAN 的方法解决在红外相机下进行的人脸识别问题，该方法可以确保在图像转换的过程中保留身份信息，通过对判别器网络训练进行显式的闭合集人脸认证损失的规范，使得 TV-GAN 可以在处理前所未见过的人的图像时更好地保留身份信息。

    Dec, 2017

  • 端到端热红外跟踪的合成数据生成

    使用图像到图像翻译模型，将可得的 RGB 数据转换成合成 TIR 数据用于 TIR 跟踪中的端到端特征的训练，并在 VOT-TIR2017 数据集上进行实验，发现相对于仅训练可得真实 TIR 数据或人工构建特征的方法，使用合成数据进行训练可以显著提高跟踪性能且通过与运动特征的结合可以进一步改进。

    Jun, 2018

  • 面向可见光红外人员再识别的同质化模态学习和多粒度信息探索

    本文提出一种基于 Aligned Grayscale Modality (AGM) 的跨模态人员重识别方法，通过生成灰度可见光图像和风格迁移转换红外图像得到一致的数据，再结合多颗粒度特征提取网络在特征级别进行对齐，能够显著提高跨模态检索表现。

    Apr, 2022

  • 基于 GAN 的红外图像超分辨率

    生成模型在红外图像超分辨率应用中的潜在领域和挑战，以及采用的对抗训练方法的简要概述。

    Dec, 2023

  • 基于预训练 StyleGAN2 网络的无监督图像到图像的翻译

    通过在预训练的 StyleGAN2 模型上进行一系列的模型变换，我们提出了一种新的图像到图像 (I2I) 转换方法，并提出了一种反演方法，以在源领域和目标领域之间进行 I2I 翻译。定性和定量评估证明了该方法在图像质量、多样性和与输入和参考图像的语义相似性方面具有优越性能，与最先进的作品相比。

    Oct, 2020