MixDehazeNet：用于图像去雾网络的混合结构模块
计算机视觉与模式识别
2023-05-30 v1
摘要
图像去雾是底层视觉领域的典型任务。既往研究验证了大卷积核与注意力机制在去雾中的有效性。然而，存在两点缺陷：引入大卷积核时易忽略图像的多尺度特性，且注意力模块的标准串行连接未充分考量不均匀雾分布。本文中，我们提出一种名为混合结构图像去雾网络（MixDehazeNet）的新颖框架，解决了上述两个问题。具体而言，其主要由两部分组成：多尺度并行大卷积核模块与增强并行注意力模块。相较于单一大核，多尺度并行大核在去雾阶段更能兼顾局部纹理。此外，我们开发了增强并行注意力模块，其中注意力的并行连接能更好地应对不均匀雾分布去雾。在三个基准上的大量实验证明了我们所提方法的有效性。例如，相较于先前最先进方法，MixDehazeNet 在 SOTS 室内数据集上取得显著提升（42.62dB PSNR）。代码发布于 https://github.com/AmeryXiong/MixDehazeNet。
引用
@article{arxiv.2305.17654,
title = {MixDehazeNet : Mix Structure Block For Image Dehazing Network},
author = {LiPing Lu and Qian Xiong and DuanFeng Chu and BingRong Xu},
journal= {arXiv preprint arXiv:2305.17654},
year = {2023}
}