簡介

簡介：采用了三次DCGAN單獨生成單通道圖像之后進行組成RGB圖像放入鑒別器中檢測，并在鑒別器和生成器的損失訓練中采用梯度方法來提升或者降低權重。該方法將用于獲得紅外圖像著色的生成。

論文題目：Infrared Image Colorization based on a Triplet DCGAN Architecture（基于三元DCGAN架構的紅外圖像著色）

會議：2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops

摘要：本文提出了一種使用深度卷積生成對抗網絡（GAN）架構對近紅外（NIR）圖像進行著色的新方法。所提出的方法基于使用三元組模型以更均勻的方式獨立學習每個顏色通道。它允許在訓練期間快速收斂，獲得彩色NIR圖像與相應地面實況之間更大的相似性。所提出的方法已經用大型近紅外圖像數據集進行了評估，并與最近的方法進行了比較，該方法也是基于同時獲得所有顏色通道的GAN架構。

模型結構

生成器架構

主要有兩個方法的特殊點，一個是高斯噪聲與圖像的混合輸入，一個是每個DCGAN生成單獨的一個通道圖像，之后組成RGB圖像輸入到鑒別器當中。