FD-GAN：具有融合判别器的生成对抗网络用于单图像去雾
计算机视觉与模式识别
2021-03-25 v2
摘要
近年来，卷积神经网络(CNNs)在单图像去雾方面取得了巨大进展并受到广泛关注。大多数现有的基于学习的去雾方法并非完全端到端，仍遵循传统去雾流程：先估计介质透射率和大气光，再基于大气散射模型恢复无雾图像。然而在实践中，由于缺乏先验和约束，难以精确估计这些中间参数。不准确的估计进一步降低了去雾性能，导致伪影、色彩失真和去雾不彻底。为此，我们提出了一种用于图像去雾的完全端到端具有融合判别器(Fusion-discriminator)的生成对抗网络(FD-GAN)。借助所提出的以频率信息作为额外先验的融合判别器，我们的模型能生成更自然、真实且色彩失真更少、伪影更少的去雾图像。此外，我们合成了一个包含各种室内外有雾图像的大规模训练数据集以提升性能，并揭示对于基于学习的去雾方法，其性能严格受训练数据影响。实验表明，我们的方法在公开合成数据集和真实世界图像上均达到最先进性能，去雾结果在视觉上更令人满意。
引用
@article{arxiv.2001.06968,
title = {FD-GAN: Generative Adversarial Networks with Fusion-discriminator for Single Image Dehazing},
author = {Yu Dong and Yihao Liu and He Zhang and Shifeng Chen and Yu Qiao},
journal= {arXiv preprint arXiv:2001.06968},
year = {2021}
}
备注
Accepted by AAAI2020 (with supplementary files)