摘要
لمعالجة المشكلة الأساسية في نماذج الشبكات التوليدية التنافرية التقليدية في توليد الصور تحت الحمراء والتي تتمثل في "واقعية عامة ولكن تفصيلات الهدف المحلية ضبابية"، نقترح نموذج شبكة تنافرية توليدية محسن يدمج الانتباه الديناميكي لنواة غاوس القابلة للتعلم. تعتمد النماذج التقليدية المحسنة على وزن ثابت للمنطقة الهدف، مما لا يسمح بتمييز المناطق الفرعية الرئيسية للهدف، مما يؤدي إلى دقة منخفضة في ملائمة تفاصيل الهدف؛ لذلك تم تصميم نواة غاوس متعددة قابلة للتكيف، حيث يتعلم النموذج ذاتيًا خلال التدريب متوسط نواة غاوس μ، والتباين σ وزاوية الدوران θ، لتوليد خريطة أوزان تتغير ديناميكيًا مع درجات رمادية للقناع mask، محققًا تركيزًا دقيقًا على تفاصيل الهدف الرئيسية، ويتم تضمين أوزان دالة نواة غاوس وتوزيعها المكاني في خسارة المُولد، مما يشكل هدف تحسين "خسارة تنافسية تقييد الواقعية العامة + خسارة L1 مرجحة بغاوس موجهة بالقناع + خسارة توزيع مكاني متعدد لنواة غاوس لمواءمة الهدف"، مما يمنح المولد اختيارية فضائية في التدرج ويُوجّه انتباه النموذج لمطابقة المناطق الرئيسية عالية الدقة. باستخدام زوج من صور الضوء المرئي تحت الأحمر كمجموعة بيانات، أظهرت النتائج التجريبية أن نموذج تحسين نواة غاوس الديناميكية رفع نسبة إشارة إلى ضوضاء الذروة للصور التوليدية بقيمة 3 ديسيبل ومؤشر التشابه الهيكلي SSIM بمقدار 0.06، مما يعوض بفعالية حدود استراتيجية الوزن الثابت التقليدية، ويتيح قيمة تطبيقية قوية في مجالات توسيع عينات الهدف الصغيرة تحت الأشعة تحت الحمراء وتعزيز الصور تحت الحمراء.
关键词
نموذج pix2pix; نواة غاوس قابلة للتعلم; وزن ديناميكي; توليد الصور تحت الحمراء; توجيه القناع
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website