Краткое содержание

arXiv:2504.21385v3 Тип объявления: замена Аннотация: Из-за разрыва между областями реальных и синтетических туманных изображений современные данные-ориентированные алгоритмы удаления дымки, обученные на синтетических наборах данных, хорошо работают на синтетических данных, но испытывают трудности с обобщением на реальные сценарии. Для решения этой проблемы мы предлагаем **I**mage **D**ehazing **D**iffusion **M**odels (IDDM) — новую диффузионную модель, включающую атмосферную модель рассеяния в процесс шумового распространения. Целью IDDM является использование постепенного процесса формирования дымки для помощи деноязинговой сети Unet надёжно изучать распределение чётких изображений исходя из условных входных туманных изображений. Мы разработали специализированную стратегию обучения, ориентированную вокруг IDDM. Диффузионные модели используются для преодоления разрыва областей от синтетической до реальной среды, тогда как атмосферная модель рассеивания обеспечивает физическое руководство процессом образования дымки. В ходе прямого процесса IDDM одновременно вводит туманность и шум в четкие изображения, после чего надежно...