BriefGPT - AI 论文速递
·
WTCL-去雾：通过小波变换和对比学习重新思考现实图像去雾
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
该研究提出WTCL-Dehaze网络，通过结合对比损失和离散小波变换，增强图像特征表示，并利用多尺度特征提取捕捉高频细节，解决雾霾图像的颜色失真、对比度低和细节丢失问题。实验结果表明，该方法在去雾效果和鲁棒性上优于现有技术。
🎯
关键要点
- 该研究提出WTCL-Dehaze网络，解决雾霾图像的颜色失真、对比度低和细节丢失问题。
- WTCL-Dehaze网络结合了对比损失和离散小波变换，增强图像特征表示。
- 通过多尺度特征提取，捕捉高频细节。
- 实验结果表明，该方法在去雾效果和鲁棒性上优于现有技术。
🏷️
标签
➡️
