你只需看自己：无监督且无训练的单图像去雾神经网络
计算机视觉与模式识别
2020-07-01 v1
摘要
本文研究单图像去雾中两个具挑战性且较少触及的问题，即如何让深度学习在无真实干净图像训练(无监督)和无图像集合训练(无训练)的情况下实现图像去雾。无监督神经网络将避免繁重的雾-净图像对采集劳动，而无训练模型是一种“真正”的单图像去雾方法，其仅基于观测到的雾图本身去除雾，且不使用额外图像。受层解耦思想启发，我们提出一种称为你只需看自己(You Only Look Yourself, \textbf{YOLY})的新方法，它可能是首批无监督且无训练的图像去雾神经网络之一。简言之，YOLY 采用三个联合子网络将观测雾图分离为若干潜在层，即场景辐射层、透射图层和大气光层。此后，这三层以自监督方式进一步合成回雾图。得益于 YOLY 的无监督与无训练特性，我们的方法绕过了深度模型在雾-净对或大规模数据集上的常规训练范式，从而避免了费力数据采集与域偏移问题。此外，由于其层解耦机制，我们的方法还提供了一种有效的基于学习的雾霾迁移方案。大量实验表明，在四个数据库上与 14 种方法对比，我们的方法在图像去雾上表现优异。
引用
@article{arxiv.2006.16829,
title = {You Only Look Yourself: Unsupervised and Untrained Single Image Dehazing Neural Network},
author = {Boyun Li and Yuanbiao Gou and Shuhang Gu and Jerry Zitao Liu and Joey Tianyi Zhou and Xi Peng},
journal= {arXiv preprint arXiv:2006.16829},
year = {2020}
}