.png){kind=icon}
返回
Spatial Frequency Modulation Network for Efficient Image Dehazing
.png){kind=icon}
PRE
AI
DOI：10.1109/TIP.2025.3579148.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目前，高效图像去雾的上下文建模主要有两条研究方向：定制有效的特征调制机制和更精确地利用傅里叶变换。前者通常基于自尺度特征，忽略了互补的跨尺度/层特征，而后者往往忽视具有明显雾退化和复杂结构的区域。本文引入了一种新颖的空间和频率调制视角，协同研究高效的图像去雾上下文特征建模。具体而言，我们精心开发了一种配备跨尺度调制器（CSM）和频率调制器（FM）的空间频率调制器（SFM），以实现块内特征调制。CSM逐步聚合不同尺度上的层次特征，用于空间自调制，而FM随后采用双分支设计，更关注具有严重雾和复杂结构的区域进行重建。此外，我们提出了跨层调制器（CLM）以促进块间特征相互调制，增强不同深度和层之间特征的无缝交互。将上述开发的模块集成到U-Net架构中，我们构建了一个两阶段空间频率调制网络（SFMN）。广泛的定性和定量评估展示了所提出的SFMN相较于近期最先进的图像去雾方法具有优越的性能和效率。源代码可以在https://github.com/it-hao/SFMN.找到。
Keyword:
Image dehazing
spatial frequency modulation
cross-scale
cross-level
期刊
IF:
13.7
论文数:
1.0W
被引数:
8.4W
机构
引用论文
TransWeather: Transformer-based Restoration of Images Degraded by Adverse Weather ConditionsTransWeather: 基于变压器的因恶劣天气条件而退化的图像恢复
OAAI
OAAI分享收藏
MSP-Former: Multi-Scale Projection Transformer for Single Image Desnowing.png)
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)OAAI
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏A Semi-Supervised Nighttime Dehazing Baseline with Spatial-Frequency Aware and Realistic Brightness Constraint一种基于空间频率感知和真实亮度约束的半监督夜间去雾基准
PREAI
分享收藏
查看更多内容