PriorNet: 一种具有多维交互注意力机制的高效轻量级图像去雾网络

有雾图像会降低视觉质量，去雾是后续处理任务的关键前提。当前大多数去雾方法依赖神经网络，面临计算参数压力大和泛化能力弱等挑战。本文介绍了PriorNet——一种新颖、轻量且高度适用的去雾网络，旨在显著提高有雾图像的清晰度和视觉质量，同时避免过度细节提取问题。PriorNet的核心是原创的多维交互注意力（MIA）机制，它能有效捕获广泛的雾霾特征，大幅降低复杂系统的计算负荷和泛化困难。通过使用统一的卷积核大小并引入跳跃连接，我们简化了特征提取过程。简化层数和架构不仅提高了去雾效率，还便于在边缘设备上部署。在多个数据集上的广泛测试表明，PriorNet在单幅图像去雾任务中具有卓越的去雾和清晰度恢复性能，保持了图像细节和色彩保真度。值得注意的是，PriorNet的模型大小仅为18Kb，与其他方法相比展现出优越的去雾泛化能力。我们的研究为推进图像去雾技术做出了重要贡献，为该领域及相关领域提供了新的视角和工具，特别强调了提高通用性和可部署性的重要性。