短波红外-可见光人脸图像通过生成对抗网络进行翻译。

简介：
提出一种创新性的框架，旨在实现短波红外人脸图像与可见光人脸图像之间的高效翻译。该框架的核心是CycleGAN结构，并在此基础上引入了全新的损失函数计算路径以及相应的损失函数设计。通过构建特定数据集并对模型参数进行精细调整，显著提升了模型在人脸图像翻译任务中的表现，从而有效地解决了由于光谱特性差异导致的图像模态差异问题，进而增强了图像的可视化效果。在自主构建的数据集上进行了严格的实验验证，并将所提出的框架与其他广泛应用的常见框架进行了多方面的对比评估，包括主观评价、FID（Fréchet inception distance）指标以及识别准确率。实验结果表明，所提出的框架展现出卓越的提升效果，能够更有效地保留原始目标图像的结构特征，并显著提高图像翻译结果的可观察性和识别精度。