Fourier-RWKV：一种用于高效图像去雾的多状态感知网络
计算机视觉与模式识别
2026-02-17 v2
摘要
图像去雾对于可靠的视觉感知至关重要，但在真实世界的非均匀雾条件下仍然极具挑战性。尽管基于Transformer的方法在捕捉全局上下文方面表现出色，但其二次计算复杂度阻碍了实时部署。为此，我们提出了Fourier Receptance Weighted Key Value（Fourier-RWKV），一种基于多状态感知范式的新型去雾框架。该模型通过协同整合三种不同的感知状态，以线性复杂度实现了全面的雾退化建模：（1）空间形态感知，通过可变形四方向Token移位（DQ-Shift）操作实现，动态调整感受野以适应局部雾变化；（2）频域感知，在Fourier Mix模块中实现，将RWKV的核心WKV注意力机制从空间域扩展到傅里叶域，在保持全局雾估计所需的长程依赖的同时缓解空间衰减；（3）语义关系感知，由语义桥接模块（SBM）实现，利用动态语义核融合（DSK-Fusion）精确对齐编码器-解码器特征并抑制伪影。在多个基准数据集上的广泛实验表明，Fourier-RWKV在多样化的雾场景中实现了最先进的性能，同时显著降低了计算开销，在恢复质量与实用效率之间建立了有利的权衡。代码可在以下地址获取：https://github.com/Dilizlr/Fourier-RWKV。
引用
@article{arxiv.2512.08161,
title = {Fourier-RWKV: A Multi-State Perception Network for Efficient Image Dehazing},
author = {Lirong Zheng and Yanshan Li and Rui Yu and Kaihao Zhang},
journal= {arXiv preprint arXiv:2512.08161},
year = {2026}
}