面向图像去雾的领域自适应

近年来，基于学习的图像去雾方法取得了最先进的性能。然而，大多数现有方法在合成雾图上进行去雾模型训练，由于领域偏移，其泛化到真实雾图的能力较弱。为解决此问题，我们提出了一种领域自适应范式，由一个图像翻译模块和两个图像去雾模块组成。具体而言，我们首先应用双向翻译网络，通过将一个领域的图像翻译到另一个领域来弥合合成域与真实域之间的差距。然后，我们利用翻译前后的图像，在一致性约束下训练所提出的两个图像去雾网络。在此阶段，我们通过利用清晰图像的特性（如暗通道先验和图像梯度平滑）将真实雾图纳入去雾训练，以进一步提升领域自适应能力。通过端到端地训练图像翻译与去雾网络，我们可获得更好的图像翻译与去雾效果。在合成与真实世界图像上的实验结果表明，我们的模型优于最先进的去雾算法。