为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周发布一至两篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自天津大学、悉尼大学、大连理工大学、同济大学和京东探索研究院的图像去雾方面的工作。该工作由郭晓杰长聘副教授指导，论文第一作者杨洋录制。
论文题目：Self-augmented Unpaired Image Dehazing via Density and Depth Decomposition
作者列表：杨洋 (天津大学)，王超岳 (悉尼大学)，刘日升 (大连理工大学)，张林 (同济大学)，郭晓杰 (天津大学)，陶大程 (悉尼大学，京东探索研究院)
B站观看网址：
https://www.bilibili.com/video/BV1YF411L72F/
论文摘要：
为了克服在合成数据集上训练的去雾模型的过拟合问题，许多最近的方法试图使用非成对数据进行训练来提高模型的泛化能力。然而其中大多数方法仅仅简单地遵循CycleGAN的思路构建去雾循环和上雾循环，却忽略了现实世界中雾霾环境的物理特性，即雾霾对物体可见度的影响随深度和雾气密度而变化。在本文中，我们提出了一种自增强的图像去雾框架，称为D4 (Dehazing via Decomposing transmission map into Density and Depth)，用于图像去雾和雾气生成。我们所提出的框架并非简单地估计透射图或清晰图像，而是聚焦于探索有雾图像和清晰图像中的散射系数和深度信息。通过估计的场景深度，我们的方法能够重新渲染具有不同厚度雾气的有雾图像，并作为自数据增强机制
论文题目：Self-augmented Unpaired Image Dehazing via Density and Depth Decomposition
作者列表：杨洋 (天津大学)，王超岳 (悉尼大学)，刘日升 (大连理工大学)，张林 (同济大学)，郭晓杰 (天津大学)，陶大程 (悉尼大学，京东探索研究院)
B站观看网址：
https://www.bilibili.com/video/BV1YF411L72F/
论文摘要：
为了克服在合成数据集上训练的去雾模型的过拟合问题，许多最近的方法试图使用非成对数据进行训练来提高模型的泛化能力。然而其中大多数方法仅仅简单地遵循CycleGAN的思路构建去雾循环和上雾循环，却忽略了现实世界中雾霾环境的物理特性，即雾霾对物体可见度的影响随深度和雾气密度而变化。在本文中，我们提出了一种自增强的图像去雾框架，称为D4 (Dehazing via Decomposing transmission map into Density and Depth)，用于图像去雾和雾气生成。我们所提出的框架并非简单地估计透射图或清晰图像，而是聚焦于探索有雾图像和清晰图像中的散射系数和深度信息。通过估计的场景深度，我们的方法能够重新渲染具有不同厚度雾气的有雾图像，并作为自数据增强机制