GridDehazeNet : Réseau multi-échelle basé sur l'attention pour la désembuage d'images

Nous proposons un réseau de neurones convolutifs (CNN) entièrement entraînable, nommé GridDehazeNet, pour le désembuage d'images uniques. Le GridDehazeNet se compose de trois modules : prétraitement, cœur et post-traitement. Le module de prétraitement entraînable peut générer des entrées apprises avec une meilleure diversité et des caractéristiques plus pertinentes par rapport à celles des entrées dérivées produites par des méthodes de prétraitement sélectionnées manuellement. Le module principal met en œuvre une nouvelle estimation multi-échelle basée sur l'attention sur un réseau en grille, qui peut efficacement atténuer le problème de goulet d'étranglement souvent rencontré dans l'approche multi-échelle conventionnelle. Le module de post-traitement aide à réduire les artefacts dans la sortie finale. Les résultats expérimentaux indiquent que le GridDehazeNet surpasse les meilleures technologies actuelles tant sur des images synthétiques que sur des images du monde réel. La méthode de désembuage proposée ne repose pas sur le modèle de diffusion atmosphérique, et nous fournissons une explication sur pourquoi il n'est pas nécessairement bénéfique de tirer parti de la réduction de dimension offerte par le modèle de diffusion atmosphérique pour le désembuage d'images, même si seules les résultats de désembuage sur des images synthétiques sont concernés.