晚间多天气图像修复：Clear Nights Ahead
计算机视觉与模式识别
2025-11-13 v2
摘要
恢复受多种恶劣天气影响的夜间图像是实际且鲜有人关注的研究问题，因为在现实世界中，各种天气状况常常与夜间各种光照效果共存。本文首先探索了这一挑战性的多天气夜间图像修复任务，其中各种类型的天气退化与光晕效应交织在一起。为支持此项研究，我们贡献了 AllWeatherNight 数据集，包含大规模高质量夜间图像，具有多样化的组成退化，利用我们引入的 illumination-aware degradation generation 方法合成。此外，我们提出了ClearNight框架，能够一次性有效去除复杂退化。具体而言，ClearNight 提取基于 Retinex 的双先验，并显式引导网络关注不均匀光照区域和固有纹理内容，从而增强夜间场景下的修复效果。在更好地代表多种天气退化的常见性与独特性方面，我们引入了 weather-aware dynamic specific-commonality collaboration 方法，该方法识别天气退化并自适应选择与特定天气类型相关的最优候选单元。我们的ClearNight在合成数据和真实世界图像上均实现了最先进的性能。全面的消融实验验证了AllWeatherNight 数据集的必要性以及ClearNight的有效性。项目页面: https://henlyta.github.io/ClearNight/
引用
@article{arxiv.2505.16479,
title = {Clear Nights Ahead: Towards Multi-Weather Nighttime Image Restoration},
author = {Yuetong Liu and Yunqiu Xu and Yang Wei and Xiuli Bi and Bin Xiao},
journal= {arXiv preprint arXiv:2505.16479},
year = {2025}
}
备注
18 pages, 20 figures, Accepted by AAAI 2026