FIFO：面向雾天场景分割的雾不变特征学习
计算机视觉与模式识别
2022-04-05 v1
摘要
在恶劣天气条件下的鲁棒视觉识别在实际应用中至关重要。在此背景下，我们提出一种用于学习对雾鲁棒的语义分割模型的新方法。其关键思想是将图像的雾条件视为其风格，并在分割模型的神经风格空间中缩小具有不同雾条件的图像之间的差距。特别地，由于图像的神经风格通常受雾以外的其他因素影响，我们引入了一个雾通滤波模块，该模块学习从风格中提取雾相关因子。交替优化雾通滤波器和分割模型逐渐缩小不同雾条件之间的风格差距，并由此允许学习雾不变特征。我们的方法在三个真实雾天图像数据集上大幅优于先前工作。此外，它在雾天和晴朗天气图像上均提升了性能，而现有方法常在清晰场景上性能下降。
引用
@article{arxiv.2204.01587,
title = {FIFO: Learning Fog-invariant Features for Foggy Scene Segmentation},
author = {Sohyun Lee and Taeyoung Son and Suha Kwak},
journal= {arXiv preprint arXiv:2204.01587},
year = {2022}
}
备注
Accepted to CVPR 2022 (Oral)