基于大气感知 KV 缓存的 UHD 图像去雾框架 anDehazeFormer
计算机视觉与模式识别
2025-05-21 v1
摘要
本文提出一种用于超高清（UHD）图像去雾的高效视觉变换框架，旨在解决现有方法在训练速度慢和内存消耗高方面的关键挑战。我们的方法引入了两个关键创新：1）受 nGPT 架构启发的自适应归一化机制，使带受限参数表达式范围的网络实现超快速稳定训练；2）我们构思了一种大气散射感知的 KV 缓存机制，可根据物理雾霾形成模型动态优化特征保留。该提议架构通过 **5 ** 提升训练收敛速度，同时降低内存开销，使在 RTX4090 GPU 上实现每秒处理 50 张高分辨率图像。实验结果表明，我们的方法在保持最先进去雾质量的同时，为 4K/8K 图像修复任务显著提升了计算效率。此外，我们提供了一个新的去雾图像可解释方法，借助集成梯度归因图实现。我们的代码可在 https://anonymous.4open.science/r/anDehazeFormer-632E/README.md 获取。
引用
@article{arxiv.2505.14010,
title = {UHD Image Dehazing via anDehazeFormer with Atmospheric-aware KV Cache},
author = {Pu Wang and Pengwen Dai and Chen Wu and Yeying Jin and Dianjie Lu and Guijuan Zhang and Youshan Zhang and Zhuoran Zheng},
journal= {arXiv preprint arXiv:2505.14010},
year = {2025}
}
备注
Under review