【热成像超分辨率】略读Thermal Image Super-resolution: A Novel Architecture and Dataset

要点1

本文提出了一种新的CycleGAN结构有用热成像的超分辨率，并且提出了一个thermal图像的超分辨数据集（含有三种不同分辨率的数据集，是用三个不同的Thermal传感器拍的）。提出的结构生成器是由ResNet6构成，判别器是由PatchGAN构成。

要点2

之前的工作：《Thermal image superresolution through deep convolutional neural network. 》中用到的仅仅是101张分辨率为640x512的Thermal图像（没有不同分辨率的图像），数据量非常少，所以本文才想要构建一个大的超分辨数据集（含有不同分辨率的数据集）

三种不同的Thermal传感器：

这三个传感器的焦距还有所不同：

第三种分辨率的传感器采集到的图片作者通过裁剪裁剪成了640x480大小的分辨率。

要点3

由于相机内参不同，配准后的图像还是会有不同的区域（可以理解为相机拍到的范围不同，有的区域在一个相机里能拍到，但是在另一个相机却拍不到）。

图里出现的红边就是前面说的不同的区域。

要点4

进行PSNR和SSIM评价时，仅仅评价配准后图像中间区域（包括整幅图像的80%的部分）

（PS：这里我的问题就是作者到底用了那种配准方法，是SIFT吗？为啥文章里不提一下……）

要点5

网络的结构如下：

结构比较简单，损失也比较好理解：