सापेक्षिक सीखने के माध्यम से रंग विशेषता चयन ध्यान द्वारा मार्गदर्शित असंगठित अवरक्त छवियों का क्रॉस-डोमेन रंगकरण

चुनौतियों भरे प्रकाश स्थितियों में, अवरक्तdetectors दृश्य धारणा को बढ़ाने के लिए महत्वपूर्ण उपकरण बन गए हैं, जो दृश्य कैमरों की सीमाओं को पार करते हैं। हालांकि, अंतर्निहित इमेजिंग सिद्धांत और निर्माण बाधाएं अवरक्त इमेजिंग सिस्टम को ग्रेस्केल तक सीमित करती हैं, जो उनकी उपयोगिता को महत्वपूर्ण रूप से प्रभावित करती हैं। दृश्य छवियों की तुलना में, अवरक्त छवियों में विस्तृत मौखिक जानकारी, रंग प्रतिनिधित्व की कमी होती है और उनमें विपरीतता कम होती है। जबकि मौजूदा अवरक्त छवि रंगकरण तकनीकों ने रंग गुणवत्ता में सुधार करने में महत्वपूर्ण प्रगति की है, गलत मौखिक रंग भविष्यवाणी और महीन विवरणों की धुंधली चित्रण जैसी चुनौतियां बनी रहती हैं। वास्तविक दुनिया के अवरक्त परिदृश्यों से संबंधित युग्मित रंग छवियाँ प्राप्त करना महत्वपूर्ण कठिनाइयाँ पेश करता है, जो अवरक्त छवियों के क्रॉस-डोमेन रंगकरण में चुनौतियों को बढ़ाते हैं। इन महत्वपूर्ण समस्याओं को संबोधित करने के लिए, इस पत्र में असंगठित अवरक्त और दृश्य रंग छवियों के बीच सापेक्षिक सीखने का उपयोग करते हुए एक अभिनव दृष्टिकोण प्रस्तुत किया गया है। इसके अतिरिक्त, हम एक रंग विशेषता चयन ध्यान मॉड्यूल पेश करते हैं जो तार्किक अवरक्त छवि रंगने का मार्गदर्शन करता है। प्रस्तावित विधि रिसिडुअल फ्यूजन अटेंशन नेटवर्क (RFANet) को जनरेटर के रूप में काम करती है, जो एनकोडर की रंग और संरचनात्मक विशेषताओं का प्रतिनिधित्व करने की क्षमता को बढ़ाती है। इसके अलावा, संरचनात्मक सामग्री की निरंतरता सुनिश्चित करने और समग्र रंग शैली मिलान सटीकता को बढ़ाने के लिए, हम विस्तार में सामग्री और रंग शैली को एकीकृत करने वाले एक व्यापक संयुक्त वैश्विक नुकसान कार्य को डिज़ाइन करते हैं। सार्वजनिक रूप से उपलब्ध डेटा सेट पर प्रयोगात्मक मूल्यांकन प्रस्तावित असंगठित क्रॉस-डोमेन रंगकरण विधि के अद्वितीय प्रदर्शन को प्रदर्शित करता है।