结合 CycleGAN 的特征融合注意力网络用于图像去雾、去雪与去雨
计算机视觉与模式识别
2025-03-11 v1 人工智能
摘要
本文提出了一种结合特征融合注意力（FFA）网络与 CycleGAN 架构的图像去雾新方法。我们的方法利用监督和无监督学习技术，在有效去除图像雾气的同时保留关键的图像细节。所提出的混合架构在图像质量指标上展现出显著提升，与传统的去雾方法相比获得了更优的 PSNR 和 SSIM 分数。通过在 RESIDE 和 DenseHaze CVPR 2019 数据集上的大量实验，我们表明我们的方法能有效处理合成和真实世界的雾天图像。CycleGAN 有效处理了雾天图像与清晰图像之间不成对的特性，使得模型即使在缺乏成对数据的情况下也能学习映射关系。
引用
@article{arxiv.2503.06107,
title = {Feature Fusion Attention Network with CycleGAN for Image Dehazing, De-Snowing and De-Raining},
author = {Akshat Jain},
journal= {arXiv preprint arXiv:2503.06107},
year = {2025}
}