用于图像加雾的无监督神经渲染
计算机视觉与模式识别
2022-06-22 v1
摘要
图像加雾旨在从给定的清晰图像渲染出有雾图像，可应用于游戏、影视、照片滤镜和图像去雾等多种实际场景。为生成逼真雾效，我们研究了有雾图像渲染中两个较少触及但具挑战性的问题，即 i) 如何在不借助辅助信息的情况下从单幅图像估计透射率图，以及 ii) 如何从未配对真实有雾图像（即示例）中自适应学习大气光。为此，我们提出了一种用于图像加雾的神经渲染方法，称为 HazeGEN。具体而言，HazeGEN 是一个知识驱动的神经网络，通过利用一个新先验（即透射率图与输入清晰图像之间存在结构相似性，如轮廓和亮度）来估计透射率图。为自适应学习大气光，我们基于另一新先验（即渲染的有雾图像与示例在大气光分布上相似）构建了神经模块。据我们所知，这可能是首次以无监督方式深度渲染有雾图像的尝试。与现有雾生成方法相比，HazeGEN 以无监督、可学习和可控的方式渲染有雾图像，从而避免了配对数据收集中的繁重人工劳动以及雾生成中的域偏移问题。大量实验在定性和定量比较中均显示出我们的方法与一些基线相比的良好性能。代码将在接收后发布于 GitHub。
引用
@article{arxiv.2107.06681,
title = {Unsupervised Neural Rendering for Image Hazing},
author = {Boyun Li and Yijie Lin and Xiao Liu and Peng Hu and Jiancheng Lv and Xi Peng},
journal= {arXiv preprint arXiv:2107.06681},
year = {2022}
}