用于稠密非均匀雾去除的结构表示网络与不确定性反馈学习
计算机视觉与模式识别
2022-10-07 v1
摘要
现有图像去雾方法很少考虑稠密且非均匀的粒子分布，这种情况常出现于烟、尘和雾中。处理这些稠密和/或非均匀分布可能十分棘手，因为雾的衰减与大气光（或遮蔽效应）显著削弱了输入图像中的背景场景信息。为解决该问题，我们引入了带有不确定性反馈学习的结构表示网络。具体而言，我们从预训练的 Vision Transformer（DINO-ViT）模块中提取特征表示以恢复背景信息。为引导网络聚焦于非均匀雾区域并相应去雾，我们引入不确定性反馈学习，其生成不确定性图——在更稠密雾区域具有更高不确定性，并可被视为表示雾密度与不均匀分布的注意力图。基于不确定性图，我们的反馈网络迭代地优化去雾输出。此外，为处理估计大气光颜色的棘手问题，我们利用输入图像的灰度版本，因其受输入图像中可能存在的变化光颜色影响较小。实验结果表明，相较于处理稠密非均匀雾或烟的最先进方法，我们的方法在定量与定性上均有效。
引用
@article{arxiv.2210.03061,
title = {Structure Representation Network and Uncertainty Feedback Learning for Dense Non-Uniform Fog Removal},
author = {Yeying Jin and Wending Yan and Wenhan Yang and Robby T. Tan},
journal= {arXiv preprint arXiv:2210.03061},
year = {2022}
}
备注
Accepted to ACCV2022, data in https://github.com/jinyeying/FogRemoval