基于分层对比学习的雾霾天气视觉复原
计算机视觉与模式识别
2023-09-26 v2
摘要
雾霾天气条件下的图像复原，即单幅图像去雾，因其在多种计算机视觉应用中的重要性而受到广泛关注。近年来，基于深度学习的方法已取得成效。然而，现有的图像去雾方法通常忽视神经网络中特征的分层结构，且未能充分利用其特征间的关系。为此，我们提出一种名为分层对比去雾（HCD）的有效图像去雾方法，其基于特征融合与对比学习策略。HCD 由一个分层去雾网络（HDN）与一种新颖的分层对比损失（HCL）组成。具体而言，HDN 的核心设计是一个分层交互模块，其利用多尺度激活分层修正特征响应。为配合 HDN 的训练，我们提出 HCL，其在分层配对的样本上执行对比学习，以促进去雾。在公开数据集 RESIDE、HazeRD 与 DENSE-HAZE 上的大量实验表明，HCD 在 PSNR、SSIM 指标上定量优于当前最优（SOTA）方法，并取得更好的视觉质量。
引用
@article{arxiv.2212.11473,
title = {Restoring Vision in Hazy Weather with Hierarchical Contrastive Learning},
author = {Tao Wang and Guangpin Tao and Wanglong Lu and Kaihao Zhang and Wenhan Luo and Xiaoqin Zhang and Tong Lu},
journal= {arXiv preprint arXiv:2212.11473},
year = {2023}
}
备注
30 pages, 10 figures