DHFormer：一种基于 Vision Transformer 的图像去雾注意力模块
计算机视觉与模式识别
2023-12-18 v1 图像与视频处理
摘要
在雾天条件下获取的图像会产生退化。对这类图像进行去雾是一个棘手且不适定的问题。目前已经提出了许多基于先验和基于学习的方法来减轻雾的影响并生成无雾图像。许多传统方法受限于对场景深度缺乏感知以及无法捕获长距离依赖关系。本文提出了一种在注意力模块中使用残差学习和 Vision Transformer 的方法。它本质上包含两个网络：在第一个网络中，该网络利用雾天图像与近似透射矩阵的比值来估计残差图。第二个网络以该残差图像作为输入，将其通过卷积层后叠加到生成的特征图上。然后将其通过全局上下文和深度感知 Transformer 编码器以获得通道注意力。该注意力模块随后推断出空间注意力图，并生成最终的无雾图像。包括多项定量指标在内的实验结果证明了所提方法的有效性和可扩展性。
引用
@article{arxiv.2312.09955,
title = {DHFormer: A Vision Transformer-Based Attention Module for Image Dehazing},
author = {Abdul Wasi and O. Jeba Shiney},
journal= {arXiv preprint arXiv:2312.09955},
year = {2023}
}