深度密度先验网络

雨天雾天低光通吃

利用深度密度先验对退化过程进行物理建模，在不成对训练下显著提升真实场景恢复效果。

Yuanjian, Qiao · Shao M. · Wang L. · 左旺孟

IEEE Transactions on Circuits and Systems for Video Technology 2023

参数信息

峰值信噪比提升高

6.3 dB

技术优势

物理建模提升泛化

利用深度-密度先验对退化过程进行物理建模，使模型在真实场景下也能稳定恢复。

适配复杂恶劣场景

设计空间-频率交互残差块，同时学习全局频率信息和局部空间特征，提升对雨、雾、低光等场景的处理能力。

应用场景

• 低光图像增强：在夜间或暗光场景下提升图像可见度，辅助后续视觉任务。
• 图像去雾：去除雾霾导致的模糊，恢复清晰场景结构。
• 图像去雨：消除雨纹遮挡，还原被雨滴干扰的细节。
• 自动驾驶视觉：在雨雾低光天气下为自动驾驶系统提供清晰输入。
• 监控图像增强：增强监控画面在恶劣环境下的可辨识度，辅助安防分析。