基于全局与局部感知网络的超高清图像去雾方法
作者机构:南京理工大学计算机科学与工程学院
出 版 物:《智能系统学报》 (CAAI Transactions on Intelligent Systems)
年 卷 期:2023年
核心收录:
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
主 题:图像去雾 超高清图像 多层感知机 空间拓扑信息 局部特征提取 全局特征提取 深度学习 实时去雾
摘 要:当前,为实现图像全局建模的目的,基于多层感知机(Multi-Layer Perceptron,MLP)的模型通常需要将图像上的像素进行平铺,之后实施一个自注意力机制或“混合增强方案以获得图像的长范围依赖。然而,这些方法通常消耗大量的计算资源来弥补图像重建丢失的空间拓扑信息。特别是对于超高清图像去雾任务,大量堆积MLP的模型在资源受限的设备上执行一张超高清带雾图像时会出现内存溢出的问题。为了解决这个问题,本文提出了一种可以在单个GPU上对4K分辨率的图像进行实时去雾(110 fps)的模型,该模型的建模过程中保持了图像空间结构信息,同时具有低计算复杂度的优点。