具有密集特征融合的多尺度增强去雾网络
计算机视觉与模式识别
2020-04-29 v1
摘要
本文中，我们提出一种基于U-Net架构的具有密集特征融合的多尺度增强去雾网络。所提方法基于增强与误差反馈两个原则设计，并表明它们适用于去雾问题。通过在所提模型的解码器中引入Strengthen-Operate-Subtract增强策略，我们开发了一个简单而有效的增强解码器来逐步恢复无雾图像。为解决U-Net架构中空间信息保留的问题，我们利用反投影反馈方案设计了一个密集特征融合模块。我们表明该密集特征融合模块可同时补救来自高分辨率特征中缺失的空间信息并利用非相邻特征。大量评估表明，所提模型在基准数据集以及真实世界有雾图像上均优于当前最优方法。
引用
@article{arxiv.2004.13388,
title = {Multi-Scale Boosted Dehazing Network with Dense Feature Fusion},
author = {Hang Dong and Jinshan Pan and Lei Xiang and Zhe Hu and Xinyi Zhang and Fei Wang and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:2004.13388},
year = {2020}
}
备注
Accepted by CVPR 2020. The code are available at https://github.com/BookerDeWitt/MSBDN-DFF