【论文阅读】Domain Adaptation for Image Dehazing

本文介绍了一种用于图像去雾的域适应方法,旨在解决从合成图像到真实图像的泛化问题。研究中,提出了一个包含图像转换模块和两个去雾模块的框架,使用双向变换网络减少域间差异,并通过一致性约束和清晰图像特性增强真实雾图的处理能力。实验结果显示,该模型在合成和真实图像上的表现优于当前最优的去雾算法。
摘要由CSDN通过智能技术生成

来自华中科大和中科院的 CVPR 2020 图像去雾领域新作,从合成图像到真实图像又迈进一步了吗?

论文链接:https://arxiv.org/pdf/2005.04668.pdf

摘要

近年来,使用基于学习的图像去雾方法已取得了 STOA 的性能。然而,现有的大部分方法都是在合成雾图上训练去雾模型,由于 域偏移 (domain shift) (或者说是域间差异),它们对真实雾图的泛化能力较差。为解决该问题,我们提出了一种 域适应范式 (domain adaptation paradigm),它由一个图像转换模块和两个图像去雾模块组成。具体而言,首先采用双向变换网络,通过将图像从一个域变换到另一个域,以弥补合成域和真实域之间的差距。然后,使用变换前、后的图像来训练所提出的两个图像去雾网络 (采用一致性约束)。在此阶段,我们通过利用清晰图像的特性 (如暗通道先验和图像梯度平滑) 将真实雾图纳入到去雾训练中,以进一步提升域适应性。通过端到端的方式训练图像变换和去雾网络,可以获得更好的图像变换和去雾效果。对合成图像和现实世界图像的实验结果表明,我们的模型相比于 STOA 去雾算法展现出了良好性能。

图表速

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值