中文

基于指令驱动与任务反馈闭环优化的自适应动态去雾

计算机视觉与模式识别 2026-03-09 v3

摘要

在实际视觉系统中,去雾不仅要增强图像可见性,还要满足多样化下游任务的具体需求。为此,我们提出一种新型自适应动态去雾框架,集成闭环优化机制。该框架通过下游任务性能反馈驱动的细化,以及推理期间基于用户指令的调整,使模型能在无需重新训练的情况下满足多种下游任务的特定需求。技术上,本框架集成两种互补且创新的机制:(1)一种基于多种下游任务性能的任务反馈回路,动态调制去雾输出;(2)一种文本指令界面,允许用户指定高层次任务偏好。这种双向引导策略使模型在训练后能适应其去雾行为,实时为多任务的演变需求量身定制输出。广泛的实验表明,我们方法在有效性、鲁棒性和通用性方面均表现出色。这些结果建立了一种新的互动式、任务适应性去雾范式,使其能够与下游应用主动协作。

关键词

引用

@article{arxiv.2603.00542,
  title  = {Adaptive Dynamic Dehazing via Instruction-Driven and Task-Feedback Closed-Loop Optimization for Diverse Downstream Task Adaptation},
  author = {Yafei Zhang and Shuaitian Song and Huafeng Li and Shujuan Wang and Yu Liu},
  journal= {arXiv preprint arXiv:2603.00542},
  year   = {2026}
}

备注

Accepted by AAAI2026(Oral)