始终晴日:退化类型与程度感知的全合一恶劣天气去除

全合一恶劣天气去除是图像复原中的一个新兴课题,旨在以统一模型恢复多种天气退化,其挑战有两方面。首先,发现并处理由多种天气条件构成的目标分布中的多域特性。其次,针对不同退化设计高效且有效的操作。为解决此问题,多数先前工作聚焦于不同天气类型引起的多域。受域间与域内自适应文献启发,我们观察到不仅天气类型,天气程度也在每种天气类型域内引入了多域,而这一点被以往方法忽略,并进一步限制了其性能。为此,我们提出了一种退化类型与程度感知模型,称为UtilityIR,用于盲全合一坏天气图像复原。为从单幅图像中提取天气信息,我们提出了一种新颖的边缘质量排序损失(MQRL),并利用对比损失(CL)引导天气程度与类型的提取,同时采用一系列新技术如多头交叉注意力(MHCA)和局部-全局自适应实例归一化(LG-AdaIN)来高效复原空间变化的天气退化。所提方法在不同天气去除任务上主客观均大幅优于最先进方法,且模型参数量更少。所提方法甚至能复原未见的组合多重退化图像,并调节复原程度。实现代码与预训练权重将发布于\url{https://github.com/fordevoted/UtilityIR}