FALCON: Frequency Adjoint Link with CONtinuous Density Mask for Fast Single Image Dehazing

图像去雾技术是解决大气干扰问题（如雾霾）的一项重要挑战，对于在恶劣能见度下进行监控和遥感等强健视觉应用至关重要。虽然各种方法从早期预测透射矩阵和大气光特征到深度学习和去雾网络已经出现，但它们天然地优先考虑去雾质量度量，忽略了在像自动驾驶这样的时间敏感领域中实时应用的需求。本文介绍了一种名为FALCON（Frequency Adjoint Link with CONtinuous density mask）的单图像去雾系统，它在质量和速度上均实现了最先进的性能。特别地，我们开发了一种新的瓶颈模块，即频率伴随链接，它在频率空间中操作，以最小的网络大小增长全局扩展接受域。此外，我们利用基于大气散射模型的潜在雾分布通过连续密度蒙版（CDM）来作为连续值蒙版输入先验和可微分的辅助损失。包括多种最先进的方法和消融分析在内的全面实验表明，FALCON在去雾质量和速度方面具有卓越的性能（即每秒>180帧），并通过FPS、PSNR和SSIM等指标进行量化。

解决图像去雾的问题，提高实时应用的效率。

使用Frequency Adjoint Link和Continuous Density Mask等新方法，提高去雾的速度和质量。

论文提出了FALCON方法，实现了在速度和质量上的双重突破。实验结果表明，FALCON在PSNR、SSIM等指标上表现优异，同时速度达到了每秒180帧以上。

近期的相关研究包括Deep Dual Learning、FastDeRain、Dense-HazeNet等。