CoA：面向真实图像去雾的压缩与适应方法
计算机视觉与模式识别
2025-04-09 v1
摘要
基于学习的图像去雾算法在合成领域展现了显著成果，但受限于计算资源和真实场景的多样性，真实图像去雾仍面临瓶颈。为此，本文提出Compression-and-Adaptation（CoA）计算流程，从分而治之的视角解决上述挑战。首先，在合成域进行模型压缩，构建紧凑的去雾参数空间，满足效率需求；随后，在真实域引入双层适应机制，通过聚合合成去雾能力，便利于面对未知真实环境。凭借简洁的设计且无需额外约束，CoA展现出与域无关的稳定性和模型无关的灵活性，有效弥合合成域与真实域之间的模型鸿沟，从而提升实际应用价值。广泛的评估与分析凸显了该方法的卓越性与有效性。代码已公开于https://github.com/fyxnl/COA。
引用
@article{arxiv.2504.05590,
title = {CoA: Towards Real Image Dehazing via Compression-and-Adaptation},
author = {Long Ma and Yuxin Feng and Yan Zhang and Jinyuan Liu and Weimin Wang and Guang-Yong Chen and Chengpei Xu and Zhuo Su},
journal= {arXiv preprint arXiv:2504.05590},
year = {2025}
}