基于域内与域间适应的两步图像去雾
计算机视觉与模式识别
2021-04-20 v2
摘要
由数据分布差异引起,域内差距与域间差距在图像处理任务中广泛存在。在图像去雾领域,已有部分先前工作关注合成域与真实域之间的域间差距。然而,这些方法仅建立了从源域到目标域的连接,而未考虑目标域内较大的分布偏移(域内差距)。在本工作中,我们提出了一种具有域内适应与受约束域间适应的两步去雾网络(TSDN)。首先,我们将合成域内的分布细分为子集,并通过基于损失的监督挖掘最优子集(简单样本)。为缓解合成域的域内差距,我们提出域内适应,通过对抗学习将其他子集的分布对齐至最优子集。最后,我们执行从真实域到合成域最优子集的受约束域间适应,缓解域间分布偏移以及真实域内的分布偏移。大量实验结果表明,我们的框架在合成数据集与真实数据集上均优于当前最先进的算法。
引用
@article{arxiv.2102.03501,
title = {Two-Step Image Dehazing with Intra-domain and Inter-domain Adaptation},
author = {Xin Yi and Bo Ma and Yulin Zhang and Longyao Liu and JiaHao Wu},
journal= {arXiv preprint arXiv:2102.03501},
year = {2021}
}
备注
10 pages, 7 figures