LVRNet：低能见度下航拍图像轻量级复原网络
计算机视觉与模式识别
2023-01-16 v1 机器学习
图像与视频处理
摘要
从具有多种退化因素组合的图像中学习恢复清晰图像是一项具有挑战性的任务。尽管如此，在由严重污染/烟雾、空气质量指数差、低光照、大气散射以及暴风雪期间的雾霾造成的低能见度条件下进行自主监控，对于预防事故而言变得更为重要。因此，构建一种既能生成高质量图像又足够高效以供日常部署的解决方案至关重要。然而，缺乏适用于解决此任务的合适数据集限制了先前提出方法的性能。为此，我们生成了 LowVis-AFO 数据集，其中包含 3647 对暗雾与清晰配对图像。我们还提出了一种名为低能见度复原网络（LVRNet）的轻量级深度学习模型。该模型以低延迟超越了以往的图像复原方法，达到了 25.744 的 PSNR 值和 0.905 的 SSIM，使我们的方法具有可扩展性并准备好投入实际应用。代码与数据可在 https://github.com/Achleshwar/LVRNet 获取。
引用
@article{arxiv.2301.05434,
title = {LVRNet: Lightweight Image Restoration for Aerial Images under Low Visibility},
author = {Esha Pahwa and Achleshwar Luthra and Pratik Narang},
journal= {arXiv preprint arXiv:2301.05434},
year = {2023}
}