2019、中科大+港科、有代码 Chen D, He M, Fan Q, et al. Gated context aggregation network for image dehazing and deraining[C]//2019 IEEE winter conference on applications of computer vision (WACV). IEEE, 2019:

1 总体概述 GCANet是端到端去雾的一篇代表性的文章，它摒弃以往使用手工设计的先验以及大气散射模型的使用，直接通过原始有雾图像估计出无雾图像J与有雾图像I之间的残差，图像恢复阶段直接使用网络输出的残差与输入有雾图像I之间的加和完成去雾过程。 文章本身最大的贡献： 1、借鉴并使用了平滑空洞卷积消除以往空洞卷积存在的网格伪影以及特征相关性不强的问题，提出了一个门限子网络，用于依据不同level

雾化处理可以由以下模型表示(corruption model)： I ( x ) ：有雾的图片 J ( x ) ：去雾的图片    A ：    全球大气光 t ( x ) ：中间的转换映射，取决于未知的深度信息，介质透射图       以往的去雾方法是用回归方法加上人为设计的先验条件来估计A或t(x)，但问题是现实中这两项很难得到。该论文中使用的方式是直接学习原图和雾图之间的残差。