基于特征亲和模块与丰富特征蒸馏的高效图像去雾
计算机视觉与模式识别
2022-07-26 v1 机器学习
图像与视频处理
摘要
单图像去雾是计算机视觉应用长期存在的障碍。若干工作专注于将图像分类、检测和分割的进展迁移到图像去雾这一细分领域，主要关注对比学习和知识蒸馏。然而，这些方法被证明计算昂贵，引发其对于边缘端用例适用性的担忧。本工作引入了一个简单、轻量且高效的单图像去雾框架，通过异构知识蒸馏的概念，从轻量级预训练超分辨率模型中提取丰富的“暗知识”信息。我们设计了一个特征亲和模块，以最大化丰富特征语义从超分辨率教师网络到学生去雾网络的流动。为评估所提框架的有效性，考察了其作为即插即用设置接入基线模型的性能。我们的实验在RESIDE-Standard数据集上进行，以证明框架对合成与真实世界领域的鲁棒性。提供的广泛定性与定量结果确立了框架的有效性，在模型尺寸缩减约20倍的同时取得最高15%（PSNR）的提升。
引用
@article{arxiv.2207.11250,
title = {Rich Feature Distillation with Feature Affinity Module for Efficient Image Dehazing},
author = {Sai Mitheran and Anushri Suresh and Nisha J. S. and Varun P. Gopi},
journal= {arXiv preprint arXiv:2207.11250},
year = {2022}
}
备注
Preprint version. Accepted at Optik