DW-GAN：一种用于非均匀去雾的离散小波变换GAN
图像与视频处理
2021-06-22 v2
摘要
雾图常出现色彩失真、模糊及其他可见质量退化。一些现有基于CNN的方法在去除均匀雾方面性能优异，但在非均匀情况下不够鲁棒。原因主要有两点。首先，由于雾分布复杂，纹理细节在去雾过程中易丢失。其次，由于训练对难以收集，在有限数据上训练易导致过拟合问题。为解决这两个问题，我们引入一种使用二维离散小波变换的新型去雾网络，即DW-GAN。具体而言，我们提出一个双分支网络来处理上述问题。通过在DWT分支中利用小波变换，我们所提方法可在特征图中保留更多高频信息。为防止过拟合，在知识适配分支中采用ImageNet预训练的Res2Net。得益于ImageNet预训练的鲁棒特征表示，我们网络的泛化能力显著提升。最后，使用基于块的判别器来减少复原图像的伪影。大量实验结果表明，所提方法在定量与定性上均优于现有最优方法。
引用
@article{arxiv.2104.08911,
title = {DW-GAN: A Discrete Wavelet Transform GAN for NonHomogeneous Dehazing},
author = {Minghan Fu and Huan Liu and Yankun Yu and Jun Chen and Keyan Wang},
journal= {arXiv preprint arXiv:2104.08911},
year = {2021}
}
备注
Accepted in CVPRW 2021