MMAug, 2023

合作着色：探索潜在的跨域先验对 NIR 图像光谱转换

PDF
TL;DR通过协作学习范式，利用潜在的跨域先验知识进行双向的全色与 NIR 色彩化任务，并通过渐进的微调和融合方法，在近红外图像光谱转换任务中表现出色，并在 NIR 和灰度色彩化任务上分别优于现有方法 4.66dB 和 3.95dB。
near-infrared imagespectrum translationcooperative learninglatent cross-domain priorscolorization networks
发现论文，激发创造
  • 多尺度渐进特征嵌入准确的近红外到 RGB 光谱域转换

    通过多尺度渐进特征嵌入网络（MPFNet）引导灰度图像上色的方法，解决了 NIR 到 RGB 光谱域翻译中的映射歧义和现有方法学习能力有限的问题，实验证明 MPFNet 在 NIR 到 RGB 光谱域翻译任务中相对于最先进的方法在 PSNR 方面提高了 2.55 dB。

    Dec, 2023

  • 使用深度卷积神经网络的红外图像上色

    本文介绍了一种使用深度多尺度卷积神经网络将 RGB 彩色谱转换为近红外 (NIR) 图像的方法，通过 NIR 和 RGB 像素之间的直接集成传输来训练模型，不需要任何用户指导或参考图像数据库，在召回阶段生成具有自然外观的图像，并通过保留 NIR 图像的丰富细节，将其高频特征转移至估算的 RGB 图像，本方法在一个真实世界的数据集上进行了训练和评估，该数据集包含大量夏季道路场景图像，由多 CCD NIR/RGB 相机捕获，保证了完美的像素对齐。

    Apr, 2016

  • 基于单一示例的可见光和红外自我监督融合训练

    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

  • 多模态语义感知自动着色与扩散先验

    通过使用扩散先验的生成能力，结合亮度条件指导和多模式高级语义先验，本文提出了一种自动上色流程，能够合成饱和且具有合理语义的颜色，改善了自动上色方法中的语义和色彩的准确性问题。

    Apr, 2024

  • 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

  • 夜间监控的解耦对比图像转换

    本文提出了一种名为 DiCo 学习方法的算法，通过可学习的物理先验即颜色不变性和利用对比学习将监控场景分为前景和背景，从而实现了对夜间监控场景进行高保真度翻译，同时也贡献了一个名为 NightSuR 的监控数据集。

    Jul, 2023

  • 适用于暗光环境的可见光限制宽带照明光谱设计

    该篇论文提出了一种通过设计宽带 VIS-NIR 范围内的辅助照明的最佳光谱，来优化 NIR2RGB 翻译的方法，以实现在完全黑暗条件下的图像捕获。

    Mar, 2023

  • NIR 辅助图像去噪：一种选择性融合方法与真实世界基准数据集

    通过有效利用近红外图像辅助可见光图像去噪，提出了一种选择性融合模块（SFM）来解决近红外 - 可见光图像去噪的内容不一致和数据稀缺等问题，并通过综合全局和局部调节的方式实现了两种特征的融合。实验结果表明，该方法在合成和真实数据集上均取得了优于现有方法的效果，同时还提供了公开的数据集、代码和预训练模型。

    Apr, 2024

  • 基于敌对网络的 RGB 空间上下文感知光谱图像重建

    本文提出了一种基于生成对抗网络的图像到图像映射方法，用于超光谱自然图像重建，经过定量评估，相对均方根误差降低了 54.0%。

    Sep, 2017

  • 基于信息互补的可见光和近红外图像融合算法

    设计了一种从物理信号级别进行互补融合的模型，利用可见光和近红外传感器的光谱特性来增强图像质量，并在实验证明该算法能够很好地利用光谱特性和信息互补性，避免色彩不自然的同时保持自然感，优于现有技术。

    Sep, 2023