使用反向投影金字塔网络针对多种雾霾场景的单幅图像去雾
图像与视频处理
2020-08-18 v1 计算机视觉与模式识别
摘要
学习对单幅含雾图像进行去雾，尤其是在使用小型训练数据集时，是极具挑战性的。针对这一问题，我们提出了一种新颖的生成对抗网络架构，即反向投影金字塔网络（BPPNet），它在包括浓雾和非均匀雾霾在内的多种具有挑战性的雾霾条件下均表现出良好的性能。我们的架构通过迭代 UNet 块在保留空间上下文的同时学习多个层次的复杂性，并通过新颖的金字塔卷积块保留多尺度的结构信息。这些块共同构成生成器，并易于通过反向投影进行学习。我们表明，仅使用少至 20 对含雾与无雾图像，即可在不发生过拟合的情况下训练我们的网络。我们报告了在 NTIRE 2018 室内外均匀雾霾数据集、NTIRE 2019 denseHaze 数据集以及 NTIRE 2020 非均匀雾霾数据集上的最先进性能。
引用
@article{arxiv.2008.06713,
title = {Single image dehazing for a variety of haze scenarios using back projected pyramid network},
author = {Ayush Singh and Ajay Bhave and Dilip K. Prasad},
journal= {arXiv preprint arXiv:2008.06713},
year = {2020}
}
备注
16 pages, 8 figures, to be published in Computer Vision ECCV 2020 Workshops