Modèle générique et agnostique des architectures pour les réseaux de neurones convolutifs appliqués au dévoilement d'images uniques

Le brouillard et la pollution atmosphérique sont parmi les facteurs environnementaux les plus courants affectant la qualité des images et, par conséquent, l'analyse d'images. Cet article propose une méthode générative de bout en bout pour l'élimination du brouillard dans les images. Cette méthode repose sur la conception d'un réseau neuronal convolutif entièrement convolutionnel visant à reconnaître les structures de brouillard dans les images d'entrée et à restaurer des images claires, exemptes de brouillard. La méthode proposée est agnostique, c'est-à-dire qu'elle ne s'appuie pas sur le modèle de diffusion atmosphérique. De manière surprenante, elle obtient des performances supérieures à celles de toutes les méthodes existantes de pointe pour l'élimination du brouillard dans les images, même sur les images SOTS outdoor (synthétisées à l'aide du modèle de diffusion atmosphérique).Les détails du projet et le code peuvent être consultés ici : https://github.com/Seanforfun/GMAN_Net_Haze_Removal