适用于暗光环境的可见光限制宽带照明光谱设计
本文提出了一种将视觉光谱中深度学习用于人脸识别扩展到近红外光谱的方法,其核心组件为跨光谱幻觉和低秩嵌入,可实现近红外光谱人脸图像的识别,并在 CASIA NIR-VIS v2.0 基准测试中取得了最先进的准确性。
Nov, 2016
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。
Aug, 2021
该研究提出了一种可见光与近红外图像融合的方法,通过使用 RGBT 传感器获取的可见图像和近红外通道的信息,利用 SSIM 损失和边缘保护等技术进行融合,并在实验证明相比其他方法,该方法在多光谱融合方面取得了更好的结果。
Jul, 2023
本研究提出一个名为 “暗视觉网络” 的新的 RGB-NIR 融合算法,采用 Deep Structure 和 Deep Inconsistency Prior 技术来提取图像结构细节和引导 RGB-NIR 的融合。在新的 Dark Vision Dataset 上的定量和定性结果表明,该算法在 PSNR 和 SSIM 方面显著优于其他比较算法,特别是在极低光条件下。
Mar, 2023
本研究主要探讨可见光与近红外光交叉模态图像配准的问题,提出 RGB-NIR-IRegis 基准评估方法并研究视角变化对 RGB-NIR 图像配准的挑战,设计了度量标准分析可见光和红外光图像不一致局部特征对模型性能的消极影响,并提出了使用高层语义引导的 SGFormer 基线方法,实验证明该方法的有效性。
May, 2024
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
使用视觉转换器 (ViT) 的预训练骨干网络与低秩适应 (LoRA) 在 NIR 领域的下游任务中,通过广泛实验表明,能够实现对 NIR 图像的最佳性能。
May, 2024
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