#今日论文推荐# CVPR 2022 | 基于密度与深度分解的自增强非成对图像去雾

#今日论文推荐# CVPR 2022 | 基于密度与深度分解的自增强非成对图像去雾

为了克服在合成数据集上训练的去雾模型的过拟合问题，许多最近的方法试图使用非成对数据进行训练来提高模型的泛化能力。然而其中大多数方法仅仅简单地遵循 CycleGAN 的思路构建去雾循环和上雾循环，却忽略了现实世界中雾霾环境的物理特性，即雾霾对物体可见度的影响随深度和雾气密度而变化。

在本文中，我们提出了一种自增强的图像去雾框架，称为D4（Dehazing via Decomposing transmission map into Density and Depth），用于图像去雾和雾气生成。我们所提出的框架并非简单地估计透射图或清晰图像，而是聚焦于探索有雾图像和清晰图像中的散射系数和深度信息。通过估计的场景深度，我们的方法能够重新渲染具有不同厚度雾气的有雾图像，并用于训练去雾网络的数据增强。值得注意的是，整个训练过程仅依靠非成对的有雾图像和清晰图像，成功地从单个有雾图像中恢复了散射系数、深度图和清晰内容。

综合实验表明，我们的方法在参数量和 FLOP 更少的情况下去雾效果优于最先进的非成对去雾方法。本工作是由京东探索研究院联合天津大学、悉尼大学完成，已经被CVPR2022 接收。

论文题目：Self-Augmented Unpaired Image Dehazing via Density and Depth Decomposition
详细解读：https://www.aminer.cn/research_report/62be9cc37cb68b460fe0281bhttps://www.aminer.cn/research_report/62be9cc37cb68b460fe0281b
AMiner链接：https://www.aminer.cn/?f=cs