CVPRMar, 2022

针对对抗攻击的鲁棒性降雨去除：一个全面的基准分析及其发展

PDF
TL;DR本文针对强降雨情况下图像和视频的降雨除去问题进行了深入研究，发现深度学习技术的降雨去除方法更容易受到针对性的对抗攻击，因此本文综合比较了不同深度学习算法在人类感知和机器分析任务下的降雨去除效果及其对于对抗攻击的鲁棒性。除此之外，本文还结合审核结果构建了一种更加鲁棒的降雨除去技术，同时还对各类面向降雨除去问题的对抗攻击及其对于人类和机器视觉任务的影响进行了分析，并提供了可供使用的代码。
rain removaldeep learningadversarial attacksimage/video degradationmodule integration
发现论文，激发创造
  • 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

  • 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

  • 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

  • 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

  • 潜在的自动驾驶威胁：通用去雨攻击

    本文提出了一种通用降雨攻击方法（URA），该方法通过生成一种非加性的空间扰动，显著降低了场景修复的相似度和图像生成质量，从而针对图像去雨算法的漏洞展开攻击，并证明 URA 方法可对现有单图像去雨算法减少场景修复能力和图像生成质量，从而得出了一种图像去雨算法的漏洞检测工具。

    Nov, 2022

  • 使用通用监控摄像头检测降雨

    通过使用监视摄像头，设计了一个系统来检测降雨。使用 3D 卷积的现代 CNN 方法与先前的最新方法进行比较，结果表明，选择感兴趣区域对性能有很大的影响，并且该提议的 3D CNN 在所有指标上都表现出比以前的最新方法更好的表现。

    Aug, 2019

  • 一种基于 CNN 框架的雨水去除视频内容的鲁棒对准与补偿方法

    通过将场景分解为深度一致的单位，并在 SP 级别对场景内容进行对齐处理，本文提出了一种新的去雨算法，该算法采用卷积神经网络将排序空间 - 时间匹配张量和一致的时间匹配张量准备用作输入特征，从而为中间去雨输出恢复高频细节。

    Mar, 2018

  • 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

  • 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

  • 单张图像去雨：全面基准分析

    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。

    Mar, 2019