Aug, 2019

DRD-Net: 细节恢复图像去雨算法 —— 基于上下文聚合网络

PDF
TL;DR本文提出了一种细节恢复图像去雨网络，该网络包括由挤压激发操作与残差块组合的雨雾残余网络、结构细节上下文聚合块（SDCAB）和细节修复网络，并通过定量和定性比较表明，我们的方法在去雨稳健性和细节准确性方面优于现有的图像去雨方法。
image derainingdetail-recovery networkrain residual networksdcabstate-of-the-art
发现论文，激发创造
  • 递归挤压 - 激励上下文聚合网络用于单图像去雨

    本研究提出了一种基于深度卷积和循环神经网络的新型深度网络架构，用于单幅图像去雨。实验表明，在多个评估指标下，该方法优于现有的技术。

    Jul, 2018

  • 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

  • 用于图像去雾和去雨的门控上下文聚合网络

    本研究提出了一种直接恢复最终无雾图像的端到端门控上下文聚合网络方法，采用最新的平滑膨胀技术帮助消除由扩张卷积引起的网格状伪影，并利用门控子网络融合不同层次的特征。广泛的实验表明，所提出的方法在定量和定性上都能超越以前的最先进方法。此外，我们还将所提出的方法应用于图像去雨任务，同样取得了最先进的性能；代码已在 https URL 上公开发表。

    Nov, 2018

  • 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

  • 一种基于模型驱动的深度神经网络用于单图像雨水去除

    本文介绍了一种基于模型的深度神经网络，使用具有解释性和恰当的物理结构的数据结构，以实现单图像去雨任务的最先进性能，并通过端对端培训，自动提取所有雨滴核和接近算子，特别是在实际情况下具有更好的去雨性能。

    May, 2020

  • 清空天空：针对单幅图像雨水去除的深度网络架构

    该研究介绍了一种名为 DerainNet 的基于深度卷积神经网络的图像去雨筋方法，并使用合成数据进行训练，提高了真实数据上的去雨效果，并在计算时间方面得到了显著提高。

    Sep, 2016

  • 单幅图像去雨的潜在退化表示约束

    通过引入方向感知编码器（DAEncoder）、UNet 去雨网络和多尺度交互块（MSIBlock），该论文提出一种新颖的潜在退化表示约束网络（LDRCNet），用于自适应地提取潜在的退化表示、显式约束退化表示学习，并通过信息交互实现各种复杂雨滴模式的去除和图像细节的重构，实验结果表明我们的方法达到了最新的最优性能。

    Sep, 2023

  • RCDNet：用于单张图像去雨的可解释性降雨卷积字典网络

    本文介绍一种基于 Rain Convolutional Dictionary Network 的单图像去雨方法，通过设计一种迭代算法，将其抽象成一种可解释的深度神经网络，从而在推理过程中提高去雨性能，特别适用于不同类型雨水的不一致情况。

    Jul, 2021

  • 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

  • 通过成对降级特征向量引导解锁低照度雨天图像恢复

    本文介绍 $L^{2} RIRNet$ 神经网络，旨在实现同时处理低光和降雨的任务，此外还提出了两个有效工具 —— 快速傅里叶 - ResNet 的细节引导模块和低光 - 雨图像合成与真实数据集。

    May, 2023