Feb, 2024

三明治 GAN：基于相位掩模的抗眩光成像图像重建

PDF
TL;DR通过结合点扩散函数工程和深度神经三明治网络的方法，我们开发了一种解决激光干扰的方式。除了保护传感器外，我们的方法还能将激光从场景中移除并重建出一幅清晰的图像。我们的图像恢复模型在各种场景内容、照明条件、激光强度和噪声特征方面，在定量和定性上均优于其他方法。
laser dazzlepoint spread function engineeringwavefront-coded maskdeep neural sandwich networkimage restoration model
发现论文，激发创造
  • PSGAN：一种用于遥感图像全色增强的生成对抗网络

    本文提出 PSGAN，一种基于深度神经网络的遥感图像全色增强方法，旨在生成高质量的全色增强图像。通过试验和分析，它优于目前的主要解决方案，并且可以很好地推广到全尺寸图像。

    May, 2018

  • 以物理推动的生成对抗网络赋能单像素红外高光谱成像

    通过物理驱动型生成对抗网络（GAN），整合了单像素红外高光谱成像（HSI）的物理过程，并利用真实和估计的一维桶信号作为目标函数的约束条件来更新网络参数并优化生成器，从而实现了更高的成像性能但需要更少的测量次数。我们相信这一物理驱动型 GAN 将促进计算成像，特别是各种基于单像素成像技术的实际应用。

    Nov, 2023

  • 生成对抗网络恢复超越去卷积极限的星系天体图像特征

    使用生成对抗网络训练的方法，能够更好地恢复低信噪比和低角分辨率成像数据中的天体物体的详细特征，从而增加研究天体物体的现有数据集以及未来观测中的能力。

    Feb, 2017

  • 基于物理学的生成对抗模型用于图像修复及其它领域

    该研究提出了一种基于生成模型和对抗学习的图像恢复算法，并通过物理模型约束学习提高了生成对抗网络的图像生成质量，具有在多种低级视觉问题中应用的广泛适用性。

    Aug, 2018

  • 一种基于 GAN 的单幅图像去雾输入尺寸灵活性模型

    本文提出了一种基于生成对抗网络的图像翻译方法，用于单幅图像去雾。该方法主要是采用了新的凝视 - 命题残差网络，以及基于多损失函数的条件生成对抗网络。实验结果表明该方法能够有效地去除图片中的雾霾，并具有较高的效率。

    Feb, 2021

  • 基于图像自适应 GAN 的重建

    本研究针对深度生成模型如变分自编码器和生成对抗网络在高复杂度图片样本表现的不足，提出一种图像自适应的修复方案，增强复原的表达能力。在图像超分辨率和压缩感知方面进行了实证表明其优势。

    Jun, 2019

  • 使用生成对抗网络进行单幅图像去雾

    本文提出了一种利用改良条件生成对抗网络的端到端学习的方法，采用 Tiramisu 模型代替传统的 U-Net 模型作为生成器，使用基于贴片的鉴别器来减少输出图像中的伪喷雾，并设计了混合加权损失函数来提高输出图像的感知质量，实验结果表明，该模型在合成和真实世界喷雾图像上与现有技术水平相当。

    Oct, 2018

  • 基于掩模的非透镜成像实用的学习重建技术

    本文介绍了利用边界计算的可训练神经网络结构，基于物理系统的先验知识优化传统基于模型的重建算法参数，并通过实验验证其在实际图像中的推广性和效果优越性，从而在掩膜无透镜成像器中实现更好的感知图像质量和更快速的图像采集处理。

    Aug, 2019

  • 迈向域不变的单张图像去雾

    本文提出了一种基于编码器 - 解码器网络和空间感知通道注意机制的去雾算法，并引入一种贪婪本地化数据增强机制以确保去除影响后的图像的一致性，为了消除人工合成图像与真实数据集之间的差异，提出了对抗性的先验引导框架来确保性能一致性，并在实验中取得了最先进的效果。

    Jan, 2021

  • SD-GAN: 结构性去噪 GAN 揭示遮挡下的面部部位

    本研究提出一种新的生成模型，利用其构建一个双模态互斥 GAN 模型，通过对两个组成部分整体损失和局部损失的衡量，来重构被遮挡住的面部，该模型通过对实际和合成数据组进行消融实验，显示出高于其他竞争方法的方法，可大幅提高人脸识别的性能。

    Feb, 2020