基于合成基准的夜间去雾
计算机视觉与模式识别
2020-10-20 v3 机器学习
图像与视频处理
摘要
由于主动人造光源的不均匀照明以及雾的吸收/散射，提高夜间雾天图像的可见性具有挑战性。大规模基准数据集的缺失阻碍了该领域的进展。为解决此问题，我们提出了一种称为 3R 的新合成方法，从白天清晰图像模拟夜间雾天图像，该方法首先重建场景几何，然后模拟光线与物体反射率，最后渲染雾效。基于此，我们通过从先验经验分布中采样真实世界光色来生成逼真的夜间雾天图像。在合成基准上的实验表明，这些退化因素共同降低了图像质量。为解决此问题，我们提出了一种最优尺度最大反射率先验，以将颜色校正与去雾解耦并依次处理。此外，我们还设计了一个简单但有效的基于学习的基线，其具有基于 MobileNet-v2 主干的编码器-解码器结构。实验结果证明了它们在图像质量和运行时间上相对于最先进方法的优越性。数据集与源代码将发布于 https://github.com/chaimi2013/3R。
引用
@article{arxiv.2008.03864,
title = {Nighttime Dehazing with a Synthetic Benchmark},
author = {Jing Zhang and Yang Cao and Zheng-Jun Zha and Dacheng Tao},
journal= {arXiv preprint arXiv:2008.03864},
year = {2020}
}
备注
ACM MM 2020. Both the dataset and source code will be available at \url{https://github.com/chaimi2013/3R}