DeVigNet：基于具有自适应通道扩展的双聚合融合 Transformer 的高分辨率渐晕去除
计算机视觉与模式识别
2023-12-21 v2 图像与视频处理
摘要
渐晕常作为图像中的一种退化现象出现，其成因包括镜头设计、遮光罩使用不当以及相机传感器的限制。这种退化影响图像细节、色彩准确性，并给计算摄影带来挑战。现有的渐晕去除算法主要依赖理想的物理假设与手工参数，导致对不规则渐晕去除效果不佳且结果次优。此外，真实世界渐晕数据集的严重匮乏阻碍了对渐晕去除的客观与全面评估。为应对这些挑战，我们提出 Vigset，一个开创性的渐晕去除数据集。Vigset 包含 983 对在不同条件下拍摄的带有渐晕与无渐晕的高分辨率（）真实世界图像。此外，我们引入 DeVigNet，一种专为渐晕去除设计的频域感知 Transformer 架构。通过拉普拉斯金字塔分解，我们提出双聚合融合 Transformer 以处理全局特征并在低频域去除渐晕。另外，我们提出自适应通道扩展模块以增强高频域的细节。实验表明，所提模型优于现有的最先进方法。代码、模型与数据集可在 \url{https://github.com/CXH-Research/DeVigNet} 获取。
引用
@article{arxiv.2308.13739,
title = {Devignet: High-Resolution Vignetting Removal via a Dual Aggregated Fusion Transformer With Adaptive Channel Expansion},
author = {Shenghong Luo and Xuhang Chen and Weiwen Chen and Zinuo Li and Shuqiang Wang and Chi-Man Pun},
journal= {arXiv preprint arXiv:2308.13739},
year = {2023}
}
备注
Accepted by AAAI Conference on Artificial Intelligence 2024 (AAAI 2024)