LCA-Net : Autoencodeur Convolutionnel Léger pour le Débrouillardage d'Images

Le débrouillardage d’images est une tâche essentielle de prétraitement d’images, visant à éliminer le bruit incohérent généré par le brouillard afin d’améliorer l’aspect visuel de l’image. Les modèles existants reposent sur des réseaux complexes et des fonctions de perte personnalisées, ce qui les rend peu efficaces en termes de calcul et nécessite des équipements matériels puissants pour fonctionner. Le temps est crucial dans le prétraitement d’images, car des sorties en temps réel doivent être obtenues instantanément. Pour surmonter ces limitations, le modèle générique que nous proposons utilise un réseau encodeur-décodeur convolutif très léger, indépendant de tout modèle atmosphérique. Ce réseau gère efficacement le compromis entre complexité du modèle et qualité d’image, et ses performances ne sont pas limitées par les systèmes à faible puissance. Il atteint une performance optimale en débrouillardage à un rythme bien plus rapide, sur plusieurs jeux de données standards, tout en offrant une qualité d’image comparable aux méthodes de pointe.