联合雾霾图像合成与去雾的 mmd-vae 损失方法
计算机视觉与模式识别
2019-05-16 v1
摘要
雾与霾是低能见度的天气，对配备相机与 LiDAR 等光学传感器的智能车辆驾驶安全构成对抗性威胁。因此，用于感知增强的图像去雾与用于测试感知能力的雾霾图像合成在此类自动驾驶系统开发中同等重要。从图像翻译的视角看，这两个问题本质上是互为对偶的，具有联合求解的潜力。本文提出一种基于变分自编码器（VAE）与生成对抗网络（GAN）的无监督图像到图像翻译框架，同时处理雾霾图像合成与去雾。由于 VAE 目标中的 KL 散度无法在有限规模的不平衡非配对训练样本下保证最优映射，我们利用基于最大均值差异（MMD）的 VAE 来确保双向翻译的一致性。对我们方法在合成与去雾性能上的综合分析证明了所提方法的可行性与实用性。
引用
@article{arxiv.1905.05947,
title = {Joint haze image synthesis and dehazing with mmd-vae losses},
author = {Zongliang Li and Chi Zhang and Gaofeng Meng and Yuehu Liu},
journal= {arXiv preprint arXiv:1905.05947},
year = {2019}
}
备注
Preprinted version on arxiv, May-05-2019