May, 2023

StawGAN: 面向红外图像翻译的结构感知生成式对抗网络

PDF
TL;DR本文引入了一种新的模型，命名为 StawGAN，用于将夜间热红外图像转换成白天彩色图像，其中提高了目标领域中物体的质量而非仅仅对其上色。我们在含有 RGB-IR 配对图像的 DroneVeichle 数据集上进行测试，结果表明所提出的方法比其他最先进的图像翻译模型更为精确。
thermal infrared imagesdaytime color imagesimage translationstawganaerial images
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

  • 基于反馈的目标外观学习的夜间热红外图像上色

    通过使用生成对抗网络和反馈式目标外观学习（FoalGAN）方法，我们提出了改善夜晚热红外图像到日间彩色图像的转换性能的方法，包括对小目标类别的出色转换表现，通过引入一个小目标外观损失并采用双重反馈学习策略，进一步提高小对象的外观学习能力，并通过提供像素级注释的数据集来促进对多种气候条件下的热红外图像的理解研究，实验证明 FoalGAN 在小目标的外观学习方面表现出色，并在 NTIR2DC 任务中在语义保持和边缘连续性方面优于其他图像转换方法。

    Oct, 2023

  • ST-GAN: 基于空间变换的生成式对抗网络用于图像合成

    使用生成对抗网络和空间变换网络 (STNs) 实现将前景对象和背景图像自然组合的研究，提出了迭代 STN 变形机制和逐步训练策略，适用于高分辨率图像。

    Mar, 2018

  • I2V-GAN：无配对红外 - 可见视频转换

    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

  • 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

  • PCSGAN：感知循环合成生成对抗网络 用于热红外与可见光图像转换

    介绍一种新的基于感知损失的生成对抗神经网络 (PCSGAN) 用于近红外 / 热成像图像转化，其在多种评估指标上超越了现有的图像转换模型。

    Feb, 2020

  • 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

  • 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

  • 可控图像翻译的统一生成对抗网络

    该研究提出了一种基于生成对抗网络的统一方法，实现可以由可控的结构来指导的多种图像转换任务，包括手势转换和跨视角图像转换，其性能显著优于其他基于深度学习的方法

    Dec, 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