CGGAN：一种用于单幅图像去雾的上下文引导生成对抗网络
计算机视觉与模式识别
2020-05-29 v1 多媒体
图像与视频处理
摘要
图像去雾在计算机视觉应用中需求极高。本文提出一种新颖的上下文引导生成对抗网络（CGGAN）用于单幅图像去雾。其中，采用一种新颖的编码器-解码器作为生成器，其依次由特征提取网络、上下文提取网络与融合网络构成。特征提取网络充当编码器，用于提取雾特征。上下文提取网络是一个多尺度并行金字塔解码器，用于提取编码器的深层特征并生成粗去雾图像。融合网络是一个解码器，用于获得最终的无雾图像。为取得更好的结果，上下文提取解码器在解码过程中获得的多尺度信息被用于引导融合解码器。通过在原始编码器-解码器中引入一个额外的粗解码器，CGGAN 能更好地利用编码器提取的深层特征信息。为使我们的 CGGAN 对不同雾场景均有效，两个解码器采用了不同的损失函数。实验结果表明了所提 CGGAN 的优势与有效性，相较现有最先进方法取得了显著改进。
引用
@article{arxiv.2005.13884,
title = {CGGAN: A Context Guided Generative Adversarial Network For Single Image Dehazing},
author = {Zhaorun Zhou and Zhenghao Shi and Mingtao Guo and Yaning Feng and Minghua Zhao},
journal= {arXiv preprint arXiv:2005.13884},
year = {2020}
}
备注
12 pages, 7 figures, 3 tables