search

Shuaizhang7 / AttentionGAN-for-Cloud-removal

This is the official code of the paper "Cloud removal using SAR and optical images via attention mechanism-based GAN"
9 stars 1 forks source link

关于恢复结果过平滑问题 #5

Open try-agaaain opened 1 week ago

try-agaaain commented 1 week ago

您好，我把这个方法用于13个波段的遥感图像，数据来自SEN12MS-CR的5个场景，并提供SAR作为辅助图像，在只更改数据加载方式不更改其他参数的情况下，训练后得到的恢复结果过于平滑。

我也用SpAGAN、HS2P等方法进行了训练，但在恢复区域都出现了过平滑问题，效果如下：

image

从上到下依次为cloud-attention GAN、HS2P、SpAGAN的恢复结果。您在训练的过程中是否遇到过类似的过平滑情况呢？

try-agaaain commented 1 week ago

我通过扩散模型得到的恢复结果没有这类过平滑问题，而这些方法在论文中展示的恢复结果并没有明显的过平滑问题。

并不是我故意把这些方法调差，我不清楚是哪里出了问题🤔 😶‍🌫️

Shuaizhang7 commented 1 week ago

你试试增大SSIM loss的权重？L1损失会让图像平滑一些，所以可能是L1 loss的权重过大，我也不是很确定，可以试试。 https://github.com/Shuaizhang7/AttentionGAN-for-Cloud-removal/blob/da047b3992c8a027a0a561b4b9874e85e9da5db7/models/pix2pix_attn_model.py#L175C9-L175C107 如果这个方法有效的话，麻烦告知我一声。

另外，LGE-CR这篇论文在复现我们的方法时，也出现了平滑的问题，你可以参考下。