一种基于 Vision Transformer 的以数据为中心的非均匀去雾方案
计算机视觉与模式识别
2023-04-19 v2 人工智能
图形学
机器学习
摘要
近年来，图像去雾受到越来越多的关注。许多深度学习方法被提出以应对这一挑战，并在处理均匀雾方面取得了显著成就。然而，当这些方法应用于具有非均匀雾的图像（例如 NTIRE 挑战赛引入的 NH-HAZE23 数据集）时，无法保持相当的性能。造成此类失败的原因之一是，非均匀雾不服从均匀雾建模所必需的假设之一。此外，使用传统的端到端训练方法需要大量非均匀雾图像与其清晰对应图像的配对，而 NH-HAZE23 数据集数量有限。尽管可以通过利用其他非均匀去雾数据集来扩充 NH-HAZE23 数据集，但我们观察到有必要设计一种适当的数据预处理方法，以减小目标数据集与扩充数据集之间的分布差距。这一发现确实与以数据为中心的人工智能（data-centric AI）的本质相符。借助一种新颖的网络架构和一种系统性提升数据质量的规范性数据预处理方法，我们提出了一种创新的去雾方法。具体而言，我们在扩充数据集上应用 RGB 通道级变换，并将最先进的 transformers 作为双分支框架中的骨干网络。我们进行了大量实验和消融研究，以证明所提方法的有效性。
引用
@article{arxiv.2304.07874,
title = {A Data-Centric Solution to NonHomogeneous Dehazing via Vision Transformer},
author = {Yangyi Liu and Huan Liu and Liangyan Li and Zijun Wu and Jun Chen},
journal= {arXiv preprint arXiv:2304.07874},
year = {2023}
}
备注
Accepted by CVPRW 2023