近日，中國科學(xué)院合肥物質(zhì)院智能所兩篇科研論文同時(shí)被人工智能領(lǐng)域頂級會(huì )議AAAI 2024接收。兩篇論文均出自謝成軍與張潔團隊，第一作者為碩士生何炫華，團隊成員李瑞、顏科宇、胡濤等為論文算法設計思路、部分實(shí)驗和論文撰寫(xiě)做出了貢獻。  

　　多光譜高分辨率的遙感圖像對于農業(yè)生產(chǎn)監測、災害監測評估、環(huán)境保護等領(lǐng)域具有重要意義。然而，現有基于深度學(xué)習的全色銳化算法受到神經(jīng)網(wǎng)絡(luò )頻率偏好的影響，難以處理圖像中的高頻信息，并且固定的網(wǎng)絡(luò )結構難以處理遙感圖像中內容變化巨大的情況。為提高全色銳化模型的性能，使其更好地關(guān)注高頻信息并自適應地處理不同的圖像內容，團隊提出了頻率自適應多專(zhuān)家網(wǎng)絡(luò )FAME-Net，該方法受到離散余弦變換和多專(zhuān)家網(wǎng)絡(luò )的啟發(fā)，通過(guò)頻率掩碼預測器，自適應生成高低頻掩碼，并將高低頻特征分別送入不同的專(zhuān)家網(wǎng)絡(luò )進(jìn)行處理，使網(wǎng)絡(luò )能夠分別關(guān)注高低頻部分，通過(guò)門(mén)控機制聚合多專(zhuān)家輸出，實(shí)現對不同圖像內容產(chǎn)生動(dòng)態(tài)網(wǎng)絡(luò )結構。在多個(gè)公開(kāi)數據集上的實(shí)驗結果表明，FAME-Net具有卓越的性能。相關(guān)研究以“Frequency-Adaptive Pan-Sharpening with Mixture of Experts“為題發(fā)表。  

　　RAW-to-sRGB是一種顏色空間轉換方法，用于將相機捕捉到的原始RAW格式圖像數據轉換為標準RGB顏色空間，該項研究在計算機底層視覺(jué)領(lǐng)域具有重要研究?jì)r(jià)值與意義。現有的方法往往將RAW-to-sRGB的任務(wù)簡(jiǎn)化為回歸問(wèn)題，忽視了兩種圖像在空間結構和色彩信息上存在的內在差異，導致這些方法難以產(chǎn)生令人滿(mǎn)意的結果。基于RAW圖像和sRGB圖像之間差異的深入分析，并受到傅立葉變換先驗的啟示，團隊提出了使用頻域解耦合的RAW-to-sRGB新方法，設計了一種輕量級的FourierISP網(wǎng)絡(luò )，該網(wǎng)絡(luò )通過(guò)分別在相位和振幅分量上學(xué)習空間和色彩信息的增強，然后將這兩種信息進(jìn)行融合，從而實(shí)現了高質(zhì)量的Raw-to-sRGB轉換。實(shí)驗證明了所提出方法在多個(gè)公開(kāi)數據集上的有效性。相關(guān)研究以“Enhancing RAW-to-sRGB with Decoupled Style Structure in Fourier Domain”為題發(fā)表。  

　　兩項研究工作得到了國家自然科學(xué)基金、安徽省自然科學(xué)基金、合肥物質(zhì)院院長(cháng)基金支持。  

　　據悉，AAAI是由國際人工智能促進(jìn)協(xié)會(huì )主辦的年會(huì )，是人工智能領(lǐng)域中歷史最悠久、涵蓋內容最廣泛的國際頂級學(xué)術(shù)會(huì )議之一，也是中國計算機學(xué)會(huì )(CCF)推薦的A類(lèi)國際學(xué)術(shù)會(huì )議。本屆AAAI會(huì )議共有12100篇投稿，打破歷史紀錄，經(jīng)過(guò)全面嚴格的審查程序，共有2342篇論文脫穎而出，錄取率23.75%。  

　　論文鏈接：https://arxiv.org/abs/2401.02161

　　論文鏈接：https://arxiv.org/abs/2401.02151

　　圖1 FAME-Net網(wǎng)絡(luò )結構

　　圖2 WorldView-III數據集上不同全色銳化算法對比結果圖

圖3 FourierISP網(wǎng)絡(luò )結構

圖4 ZRR數據集上不同RAW-to-sRGB方法對比結果圖