ICCV 2025 | FrDiff 横空出世：以频率域重构为核心，非配对图像去雾实现突破

主要观点总结

本文主要介绍了一篇关于图像去雾的论文《Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing》，该论文提出了一种全新的无配对去雾模型FrDiff，为无配对图像去雾问题带来了有效的解决方案。论文详细介绍了模型的创新点、方法、实验结果及结论。

关键观点总结

关键观点1: 研究背景

雾气是一种常见的自然现象，会导致图像质量严重下降，影响后续高级视觉任务的性能。传统的图像去雾方法存在局限性，难以准确建模雾的内在特征。近年来，基于深度学习的方法成为主流，但存在合成雾与真实雾之间的域差距问题，限制了模型在真实场景中的泛化能力。

关键观点2: 论文创新点

论文提出了全新的无配对去雾模型FrDiff，首次将扩散模型集成到无配对图像恢复任务中。设计了幅度残差编码器（ARE）和相位校正模块（PCM），以弥补有雾和清晰图像域之间的差距，并为扩散模型训练提供监督。

关键观点3: 方法详解

FrDiff包括一个去雾网络和一个扩散模型（DM）。采用两阶段训练策略，第一阶段提取幅度残差，第二阶段基于扩散模型进行重建。在推理过程中，给定有雾输入图像，通过扩散模型和去雾网络获得去雾结果。

关键观点4: 实验结果

论文在多个数据集上进行实验，包括RESIDE、I-HAZE和Fattal's数据集。与其他先进方法相比，FrDiff在合成数据集和真实世界数据集上均取得优异性能，证明了其在真实雾气场景中的鲁棒性。

关键观点5: 论文推广

论文引入了频域幅度重建的新视角，为无配对图像去雾及其他无配对恢复任务提供了新的思路和方法。PaperEveryday平台鼓励分享个人论文的解读，让更多人了解学术工作，促进不同背景和方向的学者之间的交流碰撞。

免责声明