CasDyF-Net：基于级联动态滤波器的图像去雾
计算机视觉与模式识别
2024-09-16 v1
摘要
图像去雾旨在通过减少大气散射和吸收效应来恢复图像清晰度和视觉质量。尽管深度学习在该领域取得了重大进展，但越来越多的方法受限于网络深度。因此，许多方法采用并行分支策略，但往往侧重于分辨率、感受野或频域分割，而未能根据输入特征的分布动态划分分支。受动态滤波的启发，我们提出使用级联动态滤波器，通过基于特征图分布动态生成滤波器核来构建多分支网络。为了更好地处理分支特征，我们引入了残差多尺度模块（RMB），以结合不同的感受野。此外，我们还提出了一种基于动态滤波的局部融合方法来合并相邻分支的特征。我们在RESIDE、O-Haze和Dense-Haze数据集上进行了实验，验证了我们方法的有效性，其中我们的模型在RESIDE室内数据集上达到了43.21 dB的PSNR。代码可在 https://github.com/dauing/CasDyF-Net 获取。
引用
@article{arxiv.2409.08510,
title = {CasDyF-Net: Image Dehazing via Cascaded Dynamic Filters},
author = {Wang Yinglong and He Bin},
journal= {arXiv preprint arXiv:2409.08510},
year = {2024}
}
备注
9 pages, 9 figures