清华大学提出 TANet 用于综合恶劣天气图像复原的三重注意网络 ！

文章预览

不利天气图像修复旨在去除由不利天气条件（如雾、雨、雪等）引起的不 desired 退化图像。现有方法在处理单一天气条件时取得了显著成果。 然而，在遇到不可预测的天气条件时，它们面临挑战，这些条件在实际场景中经常发生。 虽然不同天气条件表现出不同的退化模式，但它们具有高度相关和互补的共同特性，例如退化模式引起的遮挡、颜色失真和大气现象引起的对比度衰减。因此，作者关注利用多个天气条件之间的共享知识以统一地恢复图像。 在本文中，作者提出了一种 Triplet Attention Network (TANet)，以高效有效地解决一次性不利天气图像修复问题。 TANet 包括 Triplet Attention Block (TAB)，该模块融合了三种注意力机制：局部像素级注意（LPA）和全局条纹注意（GSA）以解决非均匀退化模式引起的遮挡，以及全局分布注意（GDA）以解决大气现象引起的 ………………………………