TCSVT 2024 | 通过雾天风格迁移实现通用去雾

主要观点总结

本文介绍了论文“Universal Dehazing via Haze Style Transfer”，该论文提出了一种基于雾天风格迁移的通用去雾框架，通过无配对图像到图像的翻译方法，为通用去雾提供了一个完全数据驱动的框架。论文通过定义多雾天风格域、设计雾天风格调制器、构建高效去雾模型等创新点，解决了现有去雾技术在处理不同雾类型时性能有限的问题。

关键观点总结

关键观点1: 论文提出一种全新的通用去雾框架

该框架基于雾天风格迁移（HST）理论，创新性地克服了缺乏丰富多样的配对训练数据集的问题，为通用去雾提供了一个完全数据驱动的解决方案。

关键观点2: 定义多雾天风格域

通过对各种真实雾天图像的背景光应用K均值聚类，定义了多个雾天风格域，从而更全面地捕捉雾天图像的多样性，为训练通用去雾网络提供更丰富的样本。

关键观点3: 设计雾天风格调制器

提出了雾天风格调制器（HSM），用于分别提取场景辐射特征和与雾相关的特征。HSM根据雾风格向量输出与场景辐射相关的特征和附加雾的特征，为生成多样化的雾天图像提供了关键支持。

关键观点4: 构建高效去雾模型

将去雾解释为HST到无雾的特殊情况，通过特征空间中的对抗蒸馏，将知识从教师模型迁移到学生模型，弥补因结构压缩造成的性能损失。

关键观点5: 实验验证

实验结果表明，所提出的框架能够可靠地生成逼真且多样化的有雾图像，与现有的最先进去雾方法相比，无论雾风格如何，都能实现更好的通用去雾性能。

免责声明