新的PGL-Net框架提供高效的真实世界图像去雾功能

研究人员开发了PGL-Net，一个新颖的轻量级框架，用于高效的真实世界图像去雾。该网络将过程分解为全局分布校正和局部结构细化，利用物理启发的仿射融合模块进行对齐，并利用退化感知调制块进行细节恢复。实验表明，与现有方法相比，PGL-Net在显著降低复杂度和延迟的同时实现了最先进的恢复质量，并提高了下游目标检测的准确性。 AI

影响 这项研究可能导致更高效、更有效的图像处理应用，特别是在资源受限设备上需要实时性能的领域。

排序理由 该项目是一篇学术论文，详细介绍了一种新的图像处理技术方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Degradation-Aware Modulation
• Gotit.pub
• Hugging Face
• PGL-Net
• PGL-Net-T
• Physics-Inspired Affine Fusion
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →