TIP 2024 | DEA-Net：基于细节增强卷积和内容引导注意力的单图像去雾

文章预览

论文信息 题目：DEA-Net: Single Image Dehazing Based on Detail-Enhanced Convolution and Content-Guided Attention DEA-Net：基于细节增强卷积和内容引导注意力的单图像去雾 作者：Zixuan Chen, Zewei He, Zhe-Ming Lu 论文创新点 引入差分卷积（DC）进行图像去雾 ：本文首次将 差分卷积（DC） 引入单图像去雾任务，设计了 细节增强卷积（DEConv）：  DEConv通过并行部署普通卷积和差分卷积，结合了 低频信息 和 高频信息 的优势，增强了特征的表示能力。 重参数化技术减少计算成本 ：通过 重参数化技术 ，DEConv在训练阶段使用多个并行卷积层提取特征，而在推理阶段将其等效转换为一个普通卷积层。 内容引导注意力（CGA）机制 ：本文提出了一种新的 内容引导注意力（CGA） 机制，能够为每个特征通道生成 通道特定的空间重要性图（SIM）：  CGA通过 粗到细 的方式生成SIM，利用输入特 ………………………………