From Fog to Failure: How Dehazing Can Harm Clear Image Object Detection

要約

この研究では、人間の知覚の選択的性質を考慮して、人間の視覚キューベースの脱毛をオブジェクト検出に統合するという課題を探ります。
人間の視力は環境条件に動的に適応しますが、計算脱毛は常に均一に検出を強化するとは限りません。
軽量検出器が関心のある領域（ROI）を識別するマルチステージフレームワークを提案します。これは、より重いモデルによる最終的な検出の前に、空間的注意ベースの脱毛を介して強化されます。
霧の状態では効果的ですが、このアプローチは、クリア画像のパフォーマンスを予期せずに低下させます。
この現象を分析し、考えられる原因を調査し、強化と検出のバランスをとるハイブリッドパイプラインを設計するための洞察を提供します。
私たちの調査結果は、カスケード変換による普遍的な利点に関する選択的前処理と挑戦の仮定の必要性を強調しています。

要約(オリジナル)

This study explores the challenges of integrating human visual cue-based dehazing into object detection, given the selective nature of human perception. While human vision adapts dynamically to environmental conditions, computational dehazing does not always enhance detection uniformly. We propose a multi-stage framework where a lightweight detector identifies regions of interest (RoIs), which are then enhanced via spatial attention-based dehazing before final detection by a heavier model. Though effective in foggy conditions, this approach unexpectedly degrades the performance on clear images. We analyze this phenomenon, investigate possible causes, and offer insights for designing hybrid pipelines that balance enhancement and detection. Our findings highlight the need for selective preprocessing and challenge assumptions about universal benefits from cascading transformations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google