Mar, 2018

FastDeRain: 一种使用方向梯度先验的快速视频雨纹去除方法

PDF
TL;DR本文提出了一种基于 split augmented Lagrangian shrinkage 算法的视频雨点去除方法 FastDeRain，在梯度域中充分考虑了雨点的鉴别特征和清晰视频，并通过三种不同的范数来最小化雨点的稀疏性、空间平滑性和时间连续性，在合成和真实数据上的实验表明该方法的有效性和高效性。
发现论文，激发创造
  • 通向通用快速视频去雨的知识蒸馏

    通过知识蒸馏，我们提出了一种基于 Rain Review 的通用视频除雨网络（称为 RRGNet），它可以处理不同的雨线类型，并具备最佳的运行速度和除雨效果。

    Aug, 2023

  • 具有空间注意力机制的高清真实雨数据集单图像去雨方法

    本研究提出一个半自动的方法来生成高质量的干净图像，并构建了一个大规模的数据集，以更好地模拟现实情况下的雨条带效应。新的 SPatial Attentive Network（SPANet）以本地到全局的方式移除雨条带，并取得了与现有去雨技术相当的优异性能。

    Apr, 2019

  • MDeRainNet：大像素图像雨痕去除的高效神经网络

    我们提出了一种名为 MDeRainNet 的高效网络，用于去除光场图像中的雨线，该网络采用多尺度编码器 - 解码器架构，在 Macro-pixel 图像上直接进行操作以提高雨线去除性能，并且借助 Extended Spatial-Angular Interaction (ESAI) 模块来完全建模空间和角度信息之间的全局相关性，并引入半监督学习框架以改善网络在现实场景中的泛化性能。经过对合成和真实光场图像的广泛实验证明，我们的方法在定量和定性上均优于现有方法。

    Jun, 2024

  • NightRain：夜间视频除雨基于自适应除虹和自适应校正

    该研究介绍了 NightRain，一种新颖的夜间视频去雨方法，使用自适应去雨和自适应校正来处理复杂的光效影响，通过使用无标签雨天视频进行训练，达到了超越现有方法的卓越性能，PSNR 值为 26.73dB，超过了其他方法 13.7% 的幅度。

    Jan, 2024

  • 重度雨天气图像修复：物理模型与条件对抗式学习的整合

    本篇论文提出了一种基于物理学原理和 2 阶段网络的深度引导 GAN 精细处理方法，可以有效处理暴雨图像修复过程中出现的雨丝、雨滴遮挡和图像模糊等问题，并通过对真实雨天数据进行测试和评估，证明该方法在图像修复和细节保护方面优于其他现有的方法。

    Apr, 2019

  • 视频与单张图像中雨水去除调查

    本研究对当前针对视频和单张图片的雨滴去除方法进行了全面综述和评估，包括模型驱动方法和数据驱动方法，并推出了相关工具库，以便进行表现比较和性能评价。

    Sep, 2019

  • 带动态雨发生器的半监督视频去雨

    本文提出了一种新的半监督视频去雨方法，其中采用动态雨生成器来适应雨层，以更好地描绘其深刻的特征。该方法具有良好的性能，并可同时编码雨渍的物理结构和时间连续性变化，通过设计不同的先验格式，充分利用标记合成和未标记真实数据之间的共同知识，使用蒙特卡罗 EM 算法进行求解。

    Mar, 2021

  • 基于多流密集网络的密度感知单幅图像去雨

    提出一种基于密度感知的多流密集连接卷积神经网络算法来进行降雨密度估计和去雨，通过应用于训练了降雨密度标签的新数据集，该算法能有效地消除图像中对应雨纹，并能够在多尺度与不同形态下运用不同比例的特征以更好地表征雨纹。

    Feb, 2018

  • 使用尺度感知多阶段循环网络进行单张图像去雨处理

    通过引入规模感知的多阶段卷积神经网络和并行子网络的概念，本文旨在解决在不同大小和方向的雨滴覆盖下，雨液、散射和透射造成的遮挡和降低对比度等问题，该方法在合成和实际图像上的实验显示，在雨滴去除方面具有创新性，并优于现有技术。

    Dec, 2017

  • 单幅图像深度联合雨滴检测与去除

    本文提出了一种基于深度学习架构，通过新的雨画像模型解决单幅图像中存在大雨和雨斑累积的雨滴去除问题，并通过使用二进制雨斑图和重复的雨检测实现更好的效果。

    Sep, 2016