利用语义与几何先验的 Deep Dense Multi-scale Network 去雪方法
计算机视觉与模式识别
2021-09-15 v1
摘要
雪天拍摄的图像存在明显的场景可见度退化，这降低了当前基于视觉的智能系统的性能。因此，从图像中去除雪是计算机视觉中的一个重要课题。本文中，我们提出一种利用语义和几何先验的去雪 Deep Dense Multi-Scale Network（\textbf{DDMSNet}）。由于户外拍摄的图像常共享相似场景且其可见度随距相机深度变化，此类语义和几何信息为雪图复原提供了强先验。我们将语义和几何图作为网络输入，并学习语义感知与几何感知表示以去除雪。具体而言，我们首先构建一个粗网络从输入图像中去除雪。然后，将粗去雪图像送入另一网络以获得语义和几何标签。最后，我们设计 DDMSNet 通过自注意力机制学习语义感知与几何感知表示，生成最终干净图像。在公开合成与真实世界雪图上的实验验证了所提方法的优越性，在定量与定性上均取得更好结果。
引用
@article{arxiv.2103.11298,
title = {Deep Dense Multi-scale Network for Snow Removal Using Semantic and Geometric Priors},
author = {Kaihao Zhang and Rongqing Li and Yanjiang Yu and Wenhan Luo and Changsheng Li and Hongdong Li},
journal= {arXiv preprint arXiv:2103.11298},
year = {2021}
}