基于条件Wasserstein生成对抗网络的单图像去雾
计算机视觉与模式识别
2020-01-23 v1
摘要
我们提出一种利用Wasserstein生成对抗网络从受雾影响图像中恢复清晰图像的方法。由于该问题是不适定的，以往方法需要自然图像的先验或同一场景的多幅图像。我们训练一个生成对抗网络，使用Wasserstein损失函数并采用梯度惩罚强制Lipschitz约束，以学习以受雾图像为条件的清晰图像概率分布。该方法数据自适应、端到端，且无需进一步处理或参数调优。我们还引入基于纹理的损失度量和L1损失以改进结果，并表明我们的结果优于当前最先进水平。
引用
@article{arxiv.1903.00395,
title = {Single Image Haze Removal Using Conditional Wasserstein Generative Adversarial Networks},
author = {Joshua Peter Ebenezer and Bijaylaxmi Das and Sudipta Mukhopadhyay},
journal= {arXiv preprint arXiv:1903.00395},
year = {2020}
}
备注
5 pages