物理导引图像去雾扩散模型
计算机视觉与模式识别
2025-11-18 v3
摘要
由于现实世界和合成雾图之间的领域差距，当前数据驱动的去雾算法在训练合成数据集时表现良好，但难以泛化到现实场景。为此，我们提出图像去雾扩散模型（IDDM），一种将大气散射模型融入噪声扩散过程的新型扩散方法。IDDM 旨�通过渐进的雾 formation process 帮助去噪 Unet 从条件输入雾图中稳健学习清晰图像的分布。我们以 IDDM 为中心设计了专门的训练策略。扩散模型用于从合成数据桥接到现实世界领域，而大气散射模型为雾 formation 提供物理指导。在前向过程中，IDDM 同时向清晰图像中引入雾和噪声，然后在采样过程中稳健分离它们。通过训练带有物理信息，IDDM 具备域泛化能力，能够在仅使用合成数据集的情况下有效恢复现实世界雾图。广泛实验表明，通过定量和定性与最先进方法的比较，本方法有效。
引用
@article{arxiv.2504.21385,
title = {Physics-Guided Image Dehazing Diffusion},
author = {Shijun Zhou and Xing Xie and Baojie Fan and Jiandong Tian},
journal= {arXiv preprint arXiv:2504.21385},
year = {2025}
}