Uni-Removal：一种同时处理真实世界图像中多种退化的半监督框架
计算机视觉与模式识别
2023-07-12 v1 人工智能
摘要
从真实世界图像中去除多种退化（如雾、雨和模糊）是一个具有挑战性且不适定的问题。近来，能够处理不同退化的统一模型被提出并取得了有前景的结果。然而，这些方法聚焦于合成图像，在应用于真实世界图像时性能显著下降。本文介绍Uni-Removal，一种两阶段半监督框架，使用统一模型与参数处理真实世界图像中多种退化的去除。在知识迁移阶段，Uni-Removal在知识迁移阶段利用有监督的多教师与学生架构，以促进从专攻不同退化类型的预训练教师网络学习。引入多粒度对比损失以增强从特征空间与图像空间的学习。在域适应阶段，通过对真实世界图像加入对抗判别器进行无监督微调。扩展的多粒度对比损失与生成对抗损失的结合使学生网络能从合成域适应到真实世界域。在真实世界退化数据集上的大量实验证明了我们所提方法的有效性。我们将Uni-Removal框架与最先进的监督与无监督方法比较，展示了其在真实世界图像去雾、去雨和去模糊方面同时取得的有前景结果。
引用
@article{arxiv.2307.05075,
title = {Uni-Removal: A Semi-Supervised Framework for Simultaneously Addressing Multiple Degradations in Real-World Images},
author = {Yongheng Zhang and Danfeng Yan and Yuanqiang Cai},
journal= {arXiv preprint arXiv:2307.05075},
year = {2023}
}