LCA-Net：用于图像去雾的轻量卷积自编码器
计算机视觉与模式识别
2020-08-25 v1 机器学习
摘要
图像去雾是一项关键的图像预处理任务，旨在去除雾产生的不相干噪声以提升图像的视觉观感。现有模型使用复杂的网络和定制损失函数，计算效率低且需要重型硬件运行。时间对于图像预处理至关重要，因为实时输出可即时获得。为克服这些问题，我们提出的通用模型使用非常轻量的卷积编码器-解码器网络，不依赖于任何大气模型。该神经网络很好地权衡了网络复杂度与图像质量，且其性能不受低配系统限制。该网络在多个标准数据集上以更快的速率实现了最优去雾性能，在图像质量方面可与最先进（SOTA）方法相媲美。
引用
@article{arxiv.2008.10325,
title = {LCA-Net: Light Convolutional Autoencoder for Image Dehazing},
author = {Pavan A and Adithya Bennur and Mohit Gaggar and Shylaja S S},
journal= {arXiv preprint arXiv:2008.10325},
year = {2020}
}
备注
4 pages, 7 figures in .pdf format and 1 figure in .jpg format