ProDehaze：引导扩散模型实现真实图像去雾
计算机视觉与模式识别
2025-03-25 v1
摘要
近期方法利用大规模预训练扩散模型进行图像去雾，虽提升感知质量，但常因幻觉问题导致生成不忠实于原始图像的去雾结果。为缓解此问题，我们提出ProDehaze框架，运用内部图像先验指导外部先验（即来自预训练模型的先验）。我们引入两种\textit{selective}内部先验，以引导模型聚焦关键图像区域：一种是在潜在空间中强调结构丰富区域的Structure-Prompted Restorer，以及一种在解码过程中实现输入区域分布与输出分布对齐的Haze-Aware Self-Correcting Refiner。大量实验表明，ProDehaze在真实数据集上实现了高保真度图像去雾，尤其在减少颜色偏移方面表现突出。我们的代码地址为https://github.com/TianwenZhou/ProDehaze。
引用
@article{arxiv.2503.17488,
title = {ProDehaze: Prompting Diffusion Models Toward Faithful Image Dehazing},
author = {Tianwen Zhou and Jing Wang and Songtao Wu and Kuanhong Xu},
journal= {arXiv preprint arXiv:2503.17488},
year = {2025}
}
备注
Accepted to ICME 2025