用于真实世界图像去雾的迭代预测器-评论器码字解码
计算机视觉与模式识别
2025-04-01 v2
摘要
我们提出了一种用于真实世界图像去雾的新型迭代预测器-评论器码字解码框架，简称为 IPC-Dehaze，该框架利用了预训练 VQGAN 中封装的高质量码本先验。与以往依赖一次性解码的基于码本的方法不同，我们的方法利用前一次迭代中获得的高质量码字来指导后续迭代中 Code-Predictor 的预测，从而提高码字预测精度并确保稳定的去雾性能。我们的想法源于以下观察：1) 雾化图像的退化程度随雾密度和场景深度而变化；2) 清晰区域在恢复浓雾区域中起着关键线索的作用。然而，由于在每次迭代中难以确定哪些码字应该保留或替换，在后续迭代中逐步细化已获得的码字并非易事。我们研究的另一个关键见解是提出 Code-Critic 来捕捉码字之间的相互关系。Code-Critic 用于评估码字相关性，然后重采样一组具有最高掩码分数的码字，即分数越高表示该码字越有可能被拒绝，这有助于保留更准确的码字并预测困难码字。大量实验证明了我们的方法在真实世界去雾中优于 SOTA 方法。
引用
@article{arxiv.2503.13147,
title = {Iterative Predictor-Critic Code Decoding for Real-World Image Dehazing},
author = {Jiayi Fu and Siyu Liu and Zikun Liu and Chun-Le Guo and Hyunhee Park and Ruiqi Wu and Guoqing Wang and Chongyi Li},
journal= {arXiv preprint arXiv:2503.13147},
year = {2025}
}
备注
Acceptted by CVPR 2025