DR-Net：基于透射率引导与弱监督精化的单图像去雾网络
计算机视觉与模式识别
2017-12-05 v1
摘要
尽管图像去雾近期取得了进展，但若干问题在很大程度上仍未解决，例如对不同场景的鲁棒性、重建图像的视觉质量，以及应用的有效性与灵活性。为解决这些问题，我们提出了一种用于单图像去雾的新深度网络架构，称为DR-Net。我们的模型由三个主要子网络组成：预测输入图像透射率的透射率预测网络、由透射率图引导重建潜图像的去雾网络，以及通过弱监督学习增强去雾结果细节与颜色特性的精化网络。与先前方法相比，我们的方法在三个方面取得进展：（i）纯数据驱动模型；（ii）端到端系统；（iii）更优的鲁棒性、准确性和适用性。大量实验表明，我们的DR-Net在合成与真实图像上的定性和定量指标均优于最先进（SOTA）方法。此外，DR-Net在若干重要计算机视觉任务中的潜在应用表明了其实用价值。
引用
@article{arxiv.1712.00621,
title = {DR-Net: Transmission Steered Single Image Dehazing Network with Weakly Supervised Refinement},
author = {Chongyi Li and Jichang Guo and Fatih Porikli and Chunle Guo and Huzhu Fu and Xi Li},
journal= {arXiv preprint arXiv:1712.00621},
year = {2017}
}
备注
8 pages, 8 figures, submitted to CVPR 2018