LHNet: A Low-cost Hybrid Network for Single Image Dehazing

计算机科学 粒度 人工智能 编码(集合论) 特征(语言学) 图像(数学) 钥匙(锁) 图像融合 代表(政治) 任务(项目管理) 计算机视觉 操作系统 程序设计语言 法学 政治学 政治 集合(抽象数据类型) 计算机安全 哲学 语言学 经济 管理
作者
Shenghai Yuan,Jijia Chen,Jiaqi Li,Wenchao Jiang,Song Guo
标识
DOI:10.1145/3581783.3612594
摘要

Single image dehazing is a challenging task that requires both local detail and global distribution, and can be applied to various scenarios. However, physics-based dehazing algorithms perform well only in specific settings, while CNN-based algorithms struggle with capturing global information, and ViT-based approaches suffer from inadequate representation of local details. The shortcomings of the above three types of methods lead to issues such as imbalanced colors and incoherent details in the predicted haze-free image. To address these challenges, we propose a new Low-cost Hybrid Network called LHNet. The key insight of LHNet is the effective hybrid of different features, which can achieve better information fusion in the form of feature awareness at the cost of few parameters. This fusion approach narrows the gap between different features and enables LHNet to autonomously choose the fusion granularity to maximize the utilization of prior, local and global information. Extensive experiments are performed on the mainstream dehazing datasets, and the results show that LHNet achieves state-of-the-art performance in single image dehazing. By adopting our fusion approach, a better dehazing effect can be achieved than with other dehazing algorithms with more parameters, even when only CNN and ViT are used. The code is available at https://github.com/SHYuanBest/LHNet.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
开朗的香水蘑菇完成签到,获得积分10
刚刚
852应助危机的雨梅采纳,获得10
刚刚
二二完成签到 ,获得积分10
1秒前
2秒前
wwwq发布了新的文献求助10
2秒前
FashionBoy应助weirdo采纳,获得10
3秒前
kkkk完成签到 ,获得积分10
3秒前
Jeriu完成签到,获得积分10
5秒前
英俊的铭应助ang采纳,获得10
5秒前
搜集达人应助岳饼采纳,获得10
6秒前
韦老虎发布了新的文献求助10
7秒前
听风者完成签到,获得积分10
8秒前
傅英俊完成签到,获得积分10
9秒前
韦老虎发布了新的文献求助10
11秒前
研友_VZG7GZ应助备注采纳,获得10
12秒前
12秒前
13秒前
14秒前
Lilyzi应助AURORA丶采纳,获得10
15秒前
gc发布了新的文献求助10
16秒前
NexusExplorer应助zhaoyuwei采纳,获得10
16秒前
李李发布了新的文献求助10
18秒前
wl完成签到,获得积分10
18秒前
21秒前
羊羊完成签到 ,获得积分10
21秒前
21秒前
爆米花应助ywj采纳,获得10
23秒前
25秒前
JamesPei应助李李采纳,获得10
27秒前
27秒前
ang发布了新的文献求助10
28秒前
29秒前
安AN完成签到,获得积分10
30秒前
芒果完成签到,获得积分10
31秒前
Xixihaha完成签到,获得积分10
31秒前
飘逸妙柏发布了新的文献求助30
31秒前
31秒前
SciGPT应助YFW采纳,获得10
32秒前
热心芹菜发布了新的文献求助10
35秒前
一风一叶完成签到,获得积分10
36秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256242
求助须知:如何正确求助?哪些是违规求助? 2898419
关于积分的说明 8301091
捐赠科研通 2567588
什么是DOI,文献DOI怎么找? 1394589
科研通“疑难数据库(出版商)”最低求助积分说明 652895
邀请新用户注册赠送积分活动 630522