Mar, 2019

单张图像去雨：全面基准分析

PDF
TL;DR本文针对单幅图像去雨算法进行了全面的研究和评估，建立了一个大规模的数据集作为对比基准，其中包括从合成图像到真实世界的雨天图像等多种数据来源和图像内容，并将其分为雨纹、雨滴、雨和雾三个子集，每个子集分别服务于不同的训练或评估目的。我们还提供了多种评估标准，从全参考度量到零参考度量，到主观评估和新颖的任务驱动评估。在数据集上的实验揭示了现有单幅图像去雨算法之间的差异和局限性，并提出了有前途的未来方向。
single image derainingalgorithm evaluationbenchmarkrain streakno-reference metrics
发现论文，激发创造
  • 迈向统一的深度图像去雨技术：综述和新基准

    该研究论文系统回顾了现有的图像去雨方法，并提供了统一的评估设置以评估其性能，同时构建了一个高质量的基准和一个在线平台，以便进行大规模性能评估。

    Oct, 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

  • 单幅图像去雨：从基于模型到数据驱动及其更进一步

    该论文综述了过去十年单张图像去雨的多种方法，分类总结了基于模型和基于数据驱动两种类型的方法，总结了雨的外观模型、性能比较和技术特点，并探讨了未来发展方向。

    Dec, 2019

  • GT-Rain 单图像去雨挑战报告

    这篇报告回顾了 CVPR 2023 UG2+ 研讨会上单张图像去雨 GT-Rain 挑战的结果，目标是研究真实场景中的雨天现象，提供一个新颖的真实世界雨景图像数据集，并激发创新思路，推动单张图像去雨方法在真实图像上的发展。

    Mar, 2024

  • 在线更新的高阶协作网络用于单图像去雨

    本文提出了一种高阶协同网络，其中包括多尺度紧凑约束和双向尺度内容相似度挖掘模块，有助于实现去雨滴效果的提高，并通过自我监督学习方法来提高模型性能。

    Feb, 2022

  • 单幅图像去雾及深度学习评估

    本文使用 RESIDE 数据集，对现有的单幅图像去雾算法进行了全面的研究和评估，提出了丰富的评价指标从多个角度进行度量，并通过实验比较了现有算法的优缺点，探索了未来的研究方向。

    Dec, 2017

  • 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

  • 从天空到地面：一个大规模基准和简单基线方法用于真实雨滴去除

    为了克服缺乏大规模高质量配对训练样本对真实图像除雨（RID）过程的阻碍，本研究构建了包含 3000 个视频序列和 100 万帧高分辨率（1920*1080）图像配对数据的大规模高质量真实雨数据集（LHP-Rain）。该数据集的优势有三个方面：具有更高多样性和更大规模的雨，高分辨率和高质量的合成图像。此外，研究提出了一种新颖的鲁棒低秩张量恢复模型用于生成更好地分离静态背景和动态雨的基准数据，并设计了基于 Transformer 的简单单幅图像除雨算法，通过自注意力和跨层注意力实现图像和雨层的辨别特征表示。大量实验证明了所提出数据集和除雨方法在最新研究中的优越性。

    Aug, 2023

  • 基于对比学习的递归动态多尺度网络用于图像去雨

    本文提出了一个基于对比学习的图像去雨方法，使用递归动态多尺度网络来提高降雨性能，实现了优秀的效果并超越了现有方法，并且该方法在客观检测和语义分割方面也表现出了很好的性能。

    May, 2023

  • EfficientDeRain: 学习像素级扩张滤波以实现高效单张图像去雨

    本文为了填补现有方法在处理不同场景下的雨滴降噪时缺乏普适性和效率的困境，提出了一种基于像素扩张滤波的实时、无需对雨滴模型作出特定假设的降噪方法 EfficientDeRain，并提出了有效的数据增强方法 RainMix 以增加对真实世界图像的适应性。

    Sep, 2020