VALSE 论文速览 第70期：基于深度与密度分解的自增强非成对图像去雾 ...

论文题目：Self-augmented Unpaired Image Dehazing via Density and Depth Decomposition

作者列表：杨洋 (天津大学)，王超岳 (悉尼大学)，刘日升 (大连理工大学)，张林 (同济大学)，郭晓杰 (天津大学)，陶大程 (悉尼大学，京东探索研究院)

B站观看网址：

https://www.bilibili.com/video/BV1YF411L72F/

论文摘要：

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，并作为自数据增强机制提升去雾网络的性能。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，成功地从单个模糊图像中恢复了散射系数、深度图和清晰图像。综合实验表明，我们的方法在参数量和FLOPs更少的情况下去雾效果优于最先进的非成对去雾方法。

论文信息：

[1] Yang Yang, Chaoyue Wang, Risheng Liu, Lin Zhang, Xiaojie Guo, Dacheng Tao. Self-augmented Unpaired Image Dehazing via Density and Depth Decomposition. CVPR 2022.

论文链接：

[https://www.aliyundrive.com/s/WqWvoBkrzBi]

代码链接：

[https://github.com/YaN9-Y/D4]

视频讲者简介：

杨洋，天津大学直博生。主要研究方向是图像恢复和图像增强。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：文碧汉 (南洋理工大学)、杨文瀚 (南洋理工大学)

季度责任AC：魏秀参 (南京理工大学)