Progressive Update Guided Interdependent Networks for Single Image Dehazing

要約

さまざまな種類のかすみのある画像は、かすみ除去に大きな課題となることがよくあります。
したがって、品種に関連するヘイズパラメータの推定値によるガイダンスは有益であり、ヘイズ低減と組み合わせたそれらの漸進的な更新により、効果的なヘイズ除去が可能になります。
この目的を達成するために、我々は、プログレッシブ方式で動作する新しい相互依存のかすみ除去ネットワークとかすみパラメータ更新ネットワークを含むマルチネットワークかすみ除去フレームワークを提案します。
ヘイズ パラメーター、透過マップ、および大気光は、色かぶりの処理を可能にする専用の畳み込みネットワークを使用して最初に推定されます。
次に、推定されたパラメーターはかすみ除去モジュールのガイドに使用され、推定値は新しい畳み込みネットワークによって徐々に更新されます。
更新は、ステップ間の依存関係を呼び出すネットワークを使用して、漸進的かすみ除去と共同して行われます。
共同のプログレッシブ更新とかすみ除去により、効果的なかすみ除去を達成するために、かすみパラメータ値が徐々に変更されます。
さまざまな研究を通じて、当社のかすみ除去フレームワークは、画像間のマッピングや事前定義のかすみ形成モデルに基づくかすみ除去よりも効果的であることが示されています。
このフレームワークは、かぶりや色かぶりの種類や量が異なるさまざまなかすみ状態に対応できることもわかりました。
私たちのかすみ除去フレームワークは、さまざまなかすみ条件を持つ複数のデータセットの合成および現実世界のかすみ画像に対して、定性的および定量的に最先端のフレームワークを上回るパフォーマンスを発揮することがわかりました。

要約(オリジナル)

Images with haze of different varieties often pose a significant challenge to dehazing. Therefore, guidance by estimates of haze parameters related to the variety would be beneficial, and their progressive update jointly with haze reduction will allow effective dehazing. To this end, we propose a multi-network dehazing framework containing novel interdependent dehazing and haze parameter updater networks that operate in a progressive manner. The haze parameters, transmission map and atmospheric light, are first estimated using dedicated convolutional networks that allow color-cast handling. The estimated parameters are then used to guide our dehazing module, where the estimates are progressively updated by novel convolutional networks. The updating takes place jointly with progressive dehazing using a network that invokes inter-step dependencies. The joint progressive updating and dehazing gradually modify the haze parameter values toward achieving effective dehazing. Through different studies, our dehazing framework is shown to be more effective than image-to-image mapping and predefined haze formation model based dehazing. The framework is also found capable of handling a wide variety of hazy conditions wtih different types and amounts of haze and color casts. Our dehazing framework is qualitatively and quantitatively found to outperform the state-of-the-art on synthetic and real-world hazy images of multiple datasets with varied haze conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google