基于一致性伪标记与协同展开网络的真实图像去雾
计算机视觉与模式识别
2025-04-16 v6
摘要
真实图像去雾（RID）旨在解决真实场景下的雾霾引起的退化问题。由于准确建模真实雾分布的复杂性以及真实配对数据的稀缺，这一任务仍具有挑战性。为此，我们首先引入一种协同展开网络，联合建模大气散射和图像场景，有效地将物理知识集成到深度网络中以恢复被雾污染的细节。此外，我们提出了首个RID导向的迭代均匀教师框架，称为基于一致性的标签生成器（Coherence-based Label Generator），用于生成网络训练的高质量伪标签。具体而言，我们提供一个最优标签池用于存储网络训练期间的最佳伪标签，利用全局和局部一致性选择高质量候选者并分配权重以优先处理无雾区域。我们验证了方法的有效性，通过实验表明其在RID任务中实现了最先进的性能。代码将在 https://github.com/cnyvfang/CORUN-Colabator 提供。
引用
@article{arxiv.2406.07966,
title = {Real-world Image Dehazing with Coherence-based Pseudo Labeling and Cooperative Unfolding Network},
author = {Chengyu Fang and Chunming He and Fengyang Xiao and Yulun Zhang and Longxiang Tang and Yuelin Zhang and Kai Li and Xiu Li},
journal= {arXiv preprint arXiv:2406.07966},
year = {2025}
}
备注
Accepted at NeurIPS 2024 as a Spotlight Paper