CVPRApr, 2023

CoReFusion: 用于引导热红外超分辨率的对比正则化融合

PDF
TL;DR本文提出了一个新的数据融合框架和正则化技术，用于热成像的导向超分辨率。该方法通过使用低成本、低分辨率的热传感器的测量数据，能够准确地生成高分辨率的热成像。同时，在缺少高分辨率 RGB 图像或低分辨率热图像的情况下，该方法仍然能够保持性能并具有健壮性。
thermal imagingsuper-resolutiondata fusionmissing modalitieslow-cost sensors
发现论文，激发创造
  • 单个热成像的多模态传感器融合超分辨率

    本文提出了一种基于深度学习的解决方案，通过多模态图像融合模型来提高热红外图像的分辨率，并研究了一系列网络架构、上采样方法、学习过程以及优化函数对图像超分辨率问题的有益作用，并提出了一个基准数据集进行定量评估

    Dec, 2018

  • SwinFuSR：一种受图像融合启发的 RGB 引导的热成像超分辨率模型

    基于 Swin transformers 的引导型 SR 架构 SwinFuSR，通过从高分辨率可见光图像提取信息，实现了对低分辨率红外图像的增强重建。

    Apr, 2024

  • RGB - 热图像残差空间融合网络用于语义分割

    本文提出了一种基于 Residual Spatial Fusion Network 的 RGB-Thermal 语义分割方法，通过采用不对称编码器和 Saliency Detection 生成伪标签来学习 RGB 和热成像的补偿特征，并通过使用 Residual Spatial Fusion (RSF) 模块来实现跨模态特征的空间融合，最终在 MFNet 数据库和 PST900 数据库上实现了最新的分割性能。

    Jun, 2023

  • 红外和可见光图像的贝叶斯融合

    利用贝叶斯融合模型，运用 EM 算法，对红外图像和可见光图像进行融合，通过加入 total-variation penalty 来增强目标的自动检测和识别系统，从而得到具有更丰富细节和高光目标的融合图像。

    May, 2020

  • 低光条件下可见光到热像转换以提高视觉任务效果

    本文提出了一种利用生成网络和检测网络将 RGB 图像转化为热成像图像的端到端框架，并通过生成的热成像图像与真实数据进行比较，论证了使用生成对抗网络将 RGB 训练数据转化为热成像数据的可行性，从而加快和降低生成热成像数据的成本，满足安全应用的需求。

    Oct, 2023

  • BusReF: 一套特征集中焦点于可重构区域的红外 - 可见光图像配准与融合

    该论文提出了一种名为 BusRef 的单一框架，解决了多模态相机工作时的图像配准和融合问题，同时引入了一种新的训练和评估策略，通过使用蒙版减少无法重构区域对损失函数的影响，大大提高了融合任务的准确性和鲁棒性，通过梯度感知的融合网络进一步提高了算法的性能。

    Dec, 2023

  • 引导式超分辨率：像素到像素转换

    该研究提出了一种新颖的向导超分辨率方法，将问题视为像素级向导图到源图像域的映射，使用无监督学习和多层感知机来参数化映射函数，达到超分辨率的效果，并在深度图和树高图两个任务中均优于其他基线算法。

    Apr, 2019

  • 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

  • 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

  • RGB-D 和热传感器融合：系统文献综述

    本文综述了 RGB-DT 多模态数据融合领域的最新研究进展，提供了细致的方法分类和技术评估，讨论了校准、热成像、三维重建以及特征和深度学习算法等方面，并探讨了该领域的挑战和未来发展方向。

    May, 2023