基于一致性与对比辅助重建的鲁棒单图像去雾
计算机视觉与模式识别
2022-03-30 v1
摘要
单图像去雾作为一项基础底层视觉任务，对鲁棒智能监控系统的发展至关重要。本文中，我们作出早期尝试以考虑变密度雾下的去雾鲁棒性，这是单图像去雾研究领域一个现实却未被充分研究的问题。为妥善解决该问题，我们提出一种新颖的密度变分学习框架，在多种负向雾图辅助下提升图像去雾模型的鲁棒性，以更好应对各类复杂雾场景。具体而言，去雾网络在一致性正则化框架下借助所提对比辅助重建损失（CARL）进行优化。CARL可通过从多个方向将去雾图像挤压向其干净目标，充分利用负向信息来促进传统的正向去雾目标函数。同时，一致性正则化保持给定多级雾图时输出的一致，从而提升模型鲁棒性。在两个合成与三个真实世界数据集上的大量实验结果表明，我们的方法显著超越最先进方法。
引用
@article{arxiv.2203.15325,
title = {Robust Single Image Dehazing Based on Consistent and Contrast-Assisted Reconstruction},
author = {De Cheng and Yan Li and Dingwen Zhang and Nannan Wang and Xinbo Gao and Jiande Sun},
journal= {arXiv preprint arXiv:2203.15325},
year = {2022}
}