GridDehazeNet：基于注意力的多尺度图像去雾网络
计算机视觉与模式识别
2019-08-12 v1 图像与视频处理
摘要
我们提出了一种端到端可训练的卷积神经网络(CNN)，名为 GridDehazeNet，用于单幅图像去雾。GridDehazeNet 由三个模块组成：预处理、主干和后处理。可训练的预处理模块能够生成具有更好多样性和更相关特征的学习输入，相较于通过手工选择的预处理方法所得的派生输入。主干模块在网格网络上实现一种新颖的基于注意力的多尺度估计，可有效缓解传统多尺度方法中常遇到的瓶颈问题。后处理模块有助于减少最终输出中的伪影。实验结果表明，GridDehazeNet 在合成图像和真实世界图像上均优于现有最优方法(state-of-the-arts)。所提出的去雾方法不依赖于大气散射模型，并且我们解释了为何即使仅关注合成图像上的去雾结果，利用大气散射模型所提供的降维也未必有益。
引用
@article{arxiv.1908.03245,
title = {GridDehazeNet: Attention-Based Multi-Scale Network for Image Dehazing},
author = {Xiaohong Liu and Yongrui Ma and Zhihao Shi and Jun Chen},
journal= {arXiv preprint arXiv:1908.03245},
year = {2019}
}
备注
10 pages, accepted in ICCV 2019, project page: https://proteus1991.github.io/GridDehazeNet/