WDMamba：当小波退化先验遇上视觉 Mamba 用于图像去雾
计算机视觉与模式识别
2025-05-08 v1
摘要
本文中，我们通过小波变换分析揭示了一种新的特定于雾的小波退化先验，表明与雾相关的信息主要存在于低频分量中。利用这一见解，我们提出了一种新的去雾框架 WDMamba，将图像去雾任务分解为两个连续阶段：先进行低频恢复，随后进行细节增强。这种由粗到细的策略使 WDMamba 能够有效捕获去雾过程中每个阶段特有的特征，从而生成高质量的复原图像。具体而言，在低频恢复阶段，我们集成了 Mamba 块以线性复杂度重建全局结构，高效去除整体雾气并生成粗略复原图像。此后，细节增强阶段恢复前一阶段可能被忽略的细粒度信息，最终输出去雾结果。此外，为了增强细节保留并实现更自然的去雾，我们在网络训练期间引入了自引导对比正则化。通过将粗略复原输出作为困难负样本，我们的模型学习了更具判别性的表示，大幅提升了整体去雾性能。在公开去雾基准上的广泛评估表明，我们的方法在定性和定量上均超越了现有方法。代码可在 https://github.com/SunJ000/WDMamba 获取。
引用
@article{arxiv.2505.04369,
title = {WDMamba: When Wavelet Degradation Prior Meets Vision Mamba for Image Dehazing},
author = {Jie Sun and Heng Liu and Yongzhen Wang and Xiao-Ping Zhang and Mingqiang Wei},
journal= {arXiv preprint arXiv:2505.04369},
year = {2025}
}