本文介绍了三种图像去雾方法：Dense Scene Information Estimation Network用于去雾，BidNet进行无视差估计的双目图像去雾，Densely Connected Pyramid Dehazing Network则提出了一种端到端的单幅图像去雾新方法。这些方法结合物理模型，通过深度学习技术提高去雾效果。
1. Dense Scene Information Estimation Network for Dehazing
（用于去雾的密集场景信息估计网络）
Decoder.A：估计环境光A
Decoder.t：估计透射图t
Decoder.J：直接恢复去雾图像，在训练过程中为Decoder.A和 Decoder.t提供guideline，使恢复后的图像更接近于真实图像Ground Truth，且其所有输出都会连结在一起输入至refine10-13中
2.BidNet：无视差估计的双目图像去雾（CVPR2020)
图（a）双目图像去雾网络（BidNet）的总体架构。BidNet输入双目模糊图像对并输出无雾的双目图像对。（b）转换模块（STM）的结构。提出了STM来探索和编码双目图像对之间的关系
如图所示，BidNet网络输入双目有雾图像对并估算透射图、大气光，同时对双目图像对进行去雾。BidNet的架构如图（a）所示。引入了STM（Stereo Transformation Module ）来探索和编码双目左右图像之间的相关性。
整体结构分为两个部分，一个是Stereo Transmission Map Estimation Network（TMENet立体传输图估计网络ÿ
最低0.47元/天 解锁文章
132
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
