实例归一化的有效性：单幅图像去雾的强基线
计算机视觉与模式识别
2018-05-10 v1 机器学习
摘要
我们针对单幅图像去雾这一具有挑战性的问题提出了一种新颖的深度神经网络架构，其目的是从退化的雾图恢复清晰图像。我们的端到端系统不依赖于手工制作的图像先验或显式估计广泛使用的大气散射模型的各个分量，而是直接从输入的雾图生成清晰图像。所提出的网络具有带跳跃连接和实例归一化(instance normalization)的编码器-解码器架构。我们采用预训练VGG网络的卷积层作为编码器以利用深度特征的表示能力，并证明了实例归一化对于图像去雾的有效性。我们这种简单而有效的网络在基准数据集上以较大优势优于最先进(state-of-the-art, SOTA)方法。
引用
@article{arxiv.1805.03305,
title = {The Effectiveness of Instance Normalization: a Strong Baseline for Single Image Dehazing},
author = {Zheng Xu and Xitong Yang and Xue Li and Xiaoshuai Sun},
journal= {arXiv preprint arXiv:1805.03305},
year = {2018}
}