基于双层位置的LoRA策略用于实时图像去雾
计算机视觉与模式识别
2026-03-12 v1
摘要
基于学习的实时图像去雾方法取得了显著进展，但仍面临在多样化真实雾景中的适应挑战。这些挑战主要源于缺乏有效的无标签数据无监督机制以及全模型微调的高昂成本。为此，我们提出haze-to-clear text-directed loss，利用CLIP的跨模态能力将实时图像去雾重新表述为潜在空间中的语义对齐问题，从而在缺乏参考图像时提供明确的无监督跨模态指导。进一步，我们引入双层位置LoRA (BiLaLoRA) 策略，该策略学习LoRA参数并自动搜索注入层，实现对关键网络层的有针对性适应。广泛实验表明，我们在多个真实世界去雾基准测试中显著优于最新方法。代码已公开于 https://github.com/YanZhang-zy/BiLaLoRA。
引用
@article{arxiv.2603.10872,
title = {Bilevel Layer-Positioning LoRA for Real Image Dehazing},
author = {Yan Zhang and Long Ma and Yuxin Feng and Zhe Huang and Fan Zhou and Zhuo Su},
journal= {arXiv preprint arXiv:2603.10872},
year = {2026}
}
备注
Accepted by CVPR 2026