基于非对齐监督的真实图像去雾
计算机视觉与模式识别
2024-01-08 v4
摘要
由于不可预测的天气条件，真实世界图像去雾具有挑战性，这导致有雾图像与清晰图像对的不对齐。本文提出一种在非对齐监督下运行的创新去雾框架。该框架基于大气散射模型，由三个互联网络组成：去雾网络、大气光网络和透射率网络。特别地，我们探索了一种非对齐场景，即利用与输入有雾图像未对齐的清晰参考图像来监督去雾网络。为此，我们提出一种多尺度参考损失，用于比较参考图像与去雾输出之间的特征表示。我们的场景使得在真实世界环境中更容易收集有雾/清晰图像对，即使在不对齐和视角偏移的条件下。为展示我们场景的有效性，我们收集了一个新的雾图数据集，包含由手机在农村和城市地区拍摄的415个图像对，称为“Phone-Hazy”。此外，我们引入一种基于均值与方差的自注意力网络来建模真实无限大气光，使用暗通道先验作为位置引导。另外，采用通道注意力网络来估计三通道透射率。实验结果表明，在真实世界图像去雾任务中，我们的框架优于现有的最先进技术。Phone-Hazy 与代码将发布于 https://fanjunkai1.github.io/projectpage/NSDNet/index.html。
引用
@article{arxiv.2303.04940,
title = {Non-aligned supervision for Real Image Dehazing},
author = {Junkai Fan and Fei Guo and Jianjun Qian and Xiang Li and Jun Li and Jian Yang},
journal= {arXiv preprint arXiv:2303.04940},
year = {2024}
}