基于生成对抗网络的单幅图像去雾
计算机视觉与模式识别
2020-09-01 v2 图像与视频处理
摘要
传统的图像去雾方法依赖于估计透射率图。在处理单幅图像时，由于缺乏深度信息，这成为一个不适定问题。本文提出一种基于端到端学习的方法，使用改进的条件生成对抗网络（Generative Adversarial Network，GAN）直接从图像中去除雾。由于 Tiramisu 模型具有更高的参数效率和性能，我们采用其替代经典的 U-Net 模型作为生成器。此外，使用了基于块的判别器以减少输出中的伪影。为了进一步提升输出的感知质量，设计了一种混合加权损失函数用于训练模型。在合成与真实世界雾图上的实验表明，我们的模型与当前最优（state of the art，SOTA）方法相比具有竞争力。
引用
@article{arxiv.1810.09479,
title = {Single Image Haze Removal using a Generative Adversarial Network},
author = {Bharath Raj N. and Venkateswaran N},
journal= {arXiv preprint arXiv:1810.09479},
year = {2020}
}
备注
Accepted for the WiSPNET 2020 conference. Please refer to the GitHub repository for information on updates to the paper: https://github.com/thatbrguy/Dehaze-GAN