CANDY：基于条件对抗网络的全端到端单图像去雾系统

单图像去雾是一个非常具有挑战性且不适定的问题。文献中现有的去雾方法，包括近期引入的深度学习方法，将去雾问题建模为估计中间参数（即场景透射图和大气光）的问题。这些参数被用于从有雾输入图像计算无雾图像。这种方法仅关注中间参数的准确估计，而在优化框架中未考虑无雾图像的美学质量。因此，中间参数估计中的误差常导致生成低质量的劣等无雾图像。本文提出CANDY（基于条件对抗网络的有雾图像去雾，Conditional Adversarial Networks based Dehazing of hazY images），一种全端到端模型，可直接从有雾输入图像生成干净的无雾图像。CANDY还将无雾图像的视觉质量纳入优化函数，从而生成更优质量的无雾图像。据我们所知，这是文献中首个提出全端到端单图像去雾模型的工作。同时，这也是首个将新引入的生成对抗网络(generative adversarial networks, GAN)概念应用于单图像去雾问题的工作。所提模型CANDY在合成创建的有雾图像数据集上训练，而在具有挑战性的合成及真实有雾图像数据集上进行了评估。CANDY的广泛评估与对比结果表明，其在定量与定性上均显著优于文献中现有的最先进(state-of-the-art, SOTA)去雾方法。