STEREOFOG——基于真实世界数据集通过图像到图像翻译实现计算去雾
计算机视觉与模式识别
2024-09-09 v1 机器学习
摘要
图像到图像翻译（I2I）是机器学习（ML）的一个子类型，在存在两个图像域且需要在两者之间进行翻译的应用中（例如除雾）具有巨大潜力。例如，这对于目前难以应对雾等恶劣天气条件的自动驾驶车辆可能很有用。然而，用于 I2I 任务的数据集并不丰富，且通常难以获取。在此，我们引入了 STEREOFOG，一个由 对带雾和清晰图像组成的数据集，这些图像是使用定制的设备捕获的，旨在探索 I2I 在该领域的潜力。据我们所知，这是唯一一个此类真实世界数据集。此外，我们将 pix2pix I2I ML 框架应用于该数据集并进行了优化。最终模型实现了 的平均复小波结构相似性（CW-SSIM）得分，证明了该技术对该问题的适用性。
引用
@article{arxiv.2312.02344,
title = {STEREOFOG -- Computational DeFogging via Image-to-Image Translation on a real-world Dataset},
author = {Anton Pollak and Rajesh Menon},
journal= {arXiv preprint arXiv:2312.02344},
year = {2024}
}
备注
7 pages, 7 figures, for associated dataset and Supplement file, see https://github.com/apoll2000/stereofog