2019 ICCV的一篇论文。主要是用了一个新的网络结构，如下所示:
论文首先提出，图像恢复算法可以不依赖于物理模型的设计。其次，预处理算法也是一个问题，最后是多尺度的估计，这里会遇到bottleneck的问题，所以这里使用了如上的网络结构，其使用可学习的预处理模块，并且在不同level间可以实现信息交换，减少bottleneck的问题。
论文首先说明，对于一般的物理模型，估计大气光散射并没有对问题实现降维，其引入了一个非线性成分，反而影响网络其他部分的训练，并最终导致一个不想要的loss表面，从而可能陷入局部最优。同时这里使用了特征attention的方式减少bottlenet问题。从网络上看，这个GridNet其实是一个更加通用的网络，例如红线部分就是一个UNet。特征attention，其实这里做的操作就是在上图上的A里，两个输入流过来时分别进行加权相加。
对于loss部分，这里有基于L1的平滑loss,jiyu VGG的loss，别的就懒得写了。