PHATNet：面向域自适应的物理引导雾化传输网络
计算机视觉与模式识别
2025-07-22 v1
摘要
图像去雾旨在去除图像中不必要的雾霾痕迹。尽管之前的研究收集了真实世界雾化和无雾图像以提高去雾模型在真实场景中的性能，但这些模型在处理未见过的真实世界雾化图像时常常会出现显著的性能下降。因此，本文致力于开发一种灵活的域适应方法，以提升测试期间的去雾性能。我们观察到，预测雾模式通常比恢复干净内容更容易，因此提出了物理引导雾化传输网络（PHATNet），该网络将来自未见目标域的雾模式传输到源域的无雾图像上，以创建针对域自适应的细化训练集。此外，我们引入了雾化传输一致性损失和内容泄漏损失，以增强PHATNet的解耦能力。实验结果表明，PHATNet在基准真实世界图像去雾数据集上显著提升了最先进的去雾模型性能。
引用
@article{arxiv.2507.14826,
title = {PHATNet: A Physics-guided Haze Transfer Network for Domain-adaptive Real-world Image Dehazing},
author = {Fu-Jen Tsai and Yan-Tsung Peng and Yen-Yu Lin and Chia-Wen Lin},
journal= {arXiv preprint arXiv:2507.14826},
year = {2025}
}
备注
ICCV 2025