TANet：面向综合性不利天气图像恢复的三元注意力网络
计算机视觉与模式识别
2024-10-11 v1
摘要
不利天气图像恢复旨在去除由不利天气条件引起的如雾霾、雨雪等退化性迹象。现有方法在处理单一天气条件时取得显著成果，但在面对不可预测的天气条件时（这常在现实场景中发生）面临挑战。尽管不同天气条件呈现不同的退化模式，但它们共享高度相关且互补的共同特征，如因退化模式导致的遮挡、因大气颗粒散射导致的颜色失真和对比度减弱。因此，我们聚焦于利用跨天气条件的共同知识，以统一方式恢复图像。本文提出三元注意力网络 (TANet)，高效有效地解决综合性不利天气图像恢复问题。TANet 由三元注意力模块 (TAB) 组成，该模块融合了三种注意力机制：局部像素级注意力 (LPA) 和全局条带级注意力 (GSA) 以解决非均匀退化模式导致的遮挡问题；全局分布注意力 (GDA) 以解决大气现象导致的颜色失真和对比度减弱问题。通过利用跨不同天气条件共享的共同知识，TANet 成功地以统一方式解决了多种天气条件。实验结果表明，TANet 在综合性不利天气图像恢复方面高效有效地实现了最先进的性能。源代码已公开于 https://github.com/xhuachris/TANet-ACCV-2024。
引用
@article{arxiv.2410.08177,
title = {TANet: Triplet Attention Network for All-In-One Adverse Weather Image Restoration},
author = {Hsing-Hua Wang and Fu-Jen Tsai and Yen-Yu Lin and Chia-Wen Lin},
journal= {arXiv preprint arXiv:2410.08177},
year = {2024}
}
备注
17 pages (ACCV 2024)