DEHRFormer：用于彩色雾霾场景深度估计与去雾的实时Transformer
计算机视觉与模式识别
2023-03-14 v1
摘要
由色偏引起的彩色雾霾给去雾和深度估计带来了挑战。近期基于学习的深度估计方法主要先去雾，再从无雾场景中估计深度。这种方式丢失了彩色雾霾与场景深度之间的内在联系。本文提出一种用于单幅图像同步深度估计与去雾的实时Transformer（DEHRFormer）。DEHRFormer由一个共享编码器和两个任务专用解码器组成。带有可学习查询的Transformer解码器旨在从任务无关编码器解码耦合特征，并分别将其投影为清晰图像和深度图。此外，我们引入了一种新颖的学习范式，利用对比学习和域一致性学习来解决真实世界去雾的弱泛化问题，同时从同一彩色雾霾场景预测相同的深度图。实验表明，相较于以往的深度学习深度估计网络和去雾方法，DEHRFormer在多种彩色雾霾场景下取得了显著的性能提升。
引用
@article{arxiv.2303.06905,
title = {DEHRFormer: Real-time Transformer for Depth Estimation and Haze Removal from Varicolored Haze Scenes},
author = {Sixiang Chen and Tian Ye and Jun Shi and Yun Liu and JingXia Jiang and Erkang Chen and Peng Chen},
journal= {arXiv preprint arXiv:2303.06905},
year = {2023}
}
备注
Accepted to ICASSP'2023