SCANet：用于非均匀图像去雾的自定步半课程注意力网络
计算机视觉与模式识别
2023-04-18 v1
摘要
非均匀雾的存在会导致场景模糊、色彩失真、低对比度及其他掩盖纹理细节的退化。现有均匀去雾方法难以稳健处理雾的不均匀分布。非均匀去雾的关键挑战在于有效提取非均匀分布特征并高质量重建雾区细节。本文提出一种新颖的自定步半课程注意力网络，称为 SCANet，用于非均匀图像去雾，聚焦于增强被雾遮挡区域。我们的方法由注意力生成网络与场景重建网络组成。我们利用图像的亮度差异约束注意力图，并引入自定步半课程学习策略以减少训练早期的学些模糊性。大量定量与定性实验表明，我们的 SCANet 优于许多最先进方法。代码公开于 https://github.com/gy65896/SCANet。
引用
@article{arxiv.2304.08444,
title = {SCANet: Self-Paced Semi-Curricular Attention Network for Non-Homogeneous Image Dehazing},
author = {Yu Guo and Yuan Gao and Ryan Wen Liu and Yuxu Lu and Jingxiang Qu and Shengfeng He and Wenqi Ren},
journal= {arXiv preprint arXiv:2304.08444},
year = {2023}
}
备注
10 pages, 7 figures, CVPR Workshop