基于扩散模型的高质量图像去雾
计算机视觉与模式识别
2024-04-16 v2 人工智能
摘要
在浓雾场景中图像去雾极具挑战性，此时雾图中保留的原始信息极少。尽管先前方法取得惊人进展，在浓雾场景中仍遭受内容与颜色的信息损失。新近出现的去噪扩散概率模型（DDPM）展现出强大生成能力，显示出解决该问题的潜力。然而，DDPM 未能考虑去雾任务的物理属性，限制了其信息补全能力。本工作中，我们提出 DehazeDDPM：一种基于 DDPM 且物理感知的图像去雾框架，适用于复杂雾场景。具体而言，DehazeDDPM 分两阶段工作。前一阶段利用大气散射模型（ASM）对去雾任务进行物理建模，将分布拉近清晰数据并赋予 DehazeDDPM 雾感知能力。后一阶段通过与物理建模协同，利用 DDPM 的强大生成能力补偿雾导致的巨大信息损失。大量实验表明，我们的方法在合成与真实世界雾数据集上均达到 SOTA 性能。
引用
@article{arxiv.2308.11949,
title = {High-quality Image Dehazing with Diffusion Model},
author = {Hu Yu and Jie Huang and Kaiwen Zheng and Feng Zhao},
journal= {arXiv preprint arXiv:2308.11949},
year = {2024}
}