双边网格学习一：2021cvpr《Ultra-High-Definition Image Dehazing via Multi-Guided Bilateral Learning》

目录

​背景

方法

总结

---

背景

众所周知，目前深度学习去雾方法速度方面一直是个痛点，难以达到效果和速度兼容。基于此，本论文设计了快速的去雾网络，网络基于双边网格，能够通过提取一种双边网格的数据结构对原始输入图像进行变换和增强，不仅能够恢复出不错的效果，而且在速度上具有一定的优势。

上面是该去雾网络的主要架构图，核心采用双边网格，双边网格能够关注色彩突变的物体边界，并能够很好的关注于高频信息。可以看到非常地简洁，实际上，为了简洁而简洁可能有时候会对读者造成一定的误导。建议阅读源代码。

在该模型中的特征提取部分代码里使用的是Unet网络，图中则画的很简单，另外在RGB图像表示部分也不够清楚，实际上在图像输入之后也会有一个Unet进行特征提取，然后对提取后的特征分别进行三次卷积，以生成三个通道共九个通道的R， G， B channel。论文在速度上堪比AODNet，这点有待商榷。据论文所述，在实时性方面达到较好结果。

方法

 废话不多说，下面详细剖析一下论文做了哪些工作，论文的模型架构。

---

首先看结构图中的如下部分：

         此部分为了生成双边网格，reduced resolution为输入图像的下采样结果，论文指出，通过低分辨率的图像进行双边网格生成影响不大，而且能够提升速度。Fe