CVPRAug, 2021
从少到多：用于高光谱人脸超分辨率的光谱分裂聚合网络
From Less to More: Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution
Junjun Jiang, Chenyang Wang, Xianming Liu, Kui Jiang, Jiayi Ma
TL;DR本文提出了一种基于超光谱人脸图像的分光和聚合策略（SSAS）的深度学习技术，以解决训练样本非常有限的超分辨率问题。在浅层中，我们将超光谱图像分成不同的光谱组，并在深层逐渐聚合相邻的波段以利用光谱相关性。通过扩展训练样本，这种 SSAS 策略可以将原始的超光谱图像分成多个样本，以支持网络的高效训练并有效地利用光谱相关性。实验结果表明，提出的 SSANet 模型可以很好地模拟空间和光谱信息的联合相关性，同时能够有效缓解训练样本数量有限的问题。