Semi-UFormer：用于图像去雾的半监督不确定性感知Transformer
计算机视觉与模式识别
2022-10-31 v1
摘要
图像去雾是计算机视觉中的基础问题但仍未很好解决。大多数前沿模型在合成数据上训练，导致在真实世界有雾场景下性能不佳。此外，它们通常给出确定性的去雾图像，而忽视挖掘其不确定性。为缩小域差距并提升去雾性能，我们提出一种新颖的半监督不确定性感知Transformer网络，称为Semi-UFormer。Semi-UFormer能很好地利用真实世界有雾图像及其不确定性引导信息。具体而言，Semi-UFormer构建于知识蒸馏框架之上。此类师生网络有效吸收真实世界雾信息以实现高质量去雾。此外，模型中引入不确定性估计模块以估计像素不确定性表示，并将其用作引导信号帮助学生对网络更准确地生成无雾图像。大量实验表明Semi-UFormer能从合成图像很好地泛化到真实世界图像。
引用
@article{arxiv.2210.16057,
title = {Semi-UFormer: Semi-supervised Uncertainty-aware Transformer for Image Dehazing},
author = {Ming Tong and Yongzhen Wang and Peng Cui and Xuefeng Yan and Mingqiang Wei},
journal= {arXiv preprint arXiv:2210.16057},
year = {2022}
}