小白学视觉

更多TPAMI，IJCV，TMI等顶刊文章欢迎关注我们的微信公众号，每天带你阅读最新顶刊论文为了解决在合成的有雾-清晰图像对上训练的去雾模型的过拟合问题，近期的方法尝试通过在未配对数据上训练来增强泛化能力。然而，大多数现有方法仅仅依赖于生成对抗网络来构建去雾-加雾循环，却忽略了现实世界有雾环境中的物理属性，即雾效应会随着密度和深度的变化而变化。本文提出了一种鲁棒的自增强图像去雾框架，用于雾的生成和移除。与仅仅估计传输图或清晰内容不同，所提出的方案专注于探索有雾和清晰图像的散射系数和深度信息。

CoCoNet: Coupled Contrastive Learning Network with Multi-level Feature Ensemble for Multi-modality Image Fusion CoCoNet：用于多模态图像融合的耦合对比学习网络与多级特征集成 Jinyuan Liu; Runjia Lin;Guanyao Wu;Risheng Liu;Zhongxuan;Luo Xin Fan 更多TPAMI，IJCV，TMI等顶刊文章欢迎关注我们的微信公众号，每天带你阅读