rain streaks | BriefGPT - AI 论文速递

关键词rain streaks

搜索结果 - 10

IJCAI学习用于高效图像去雨的脉冲神经网络
近期，我们提出了一种高效的 Spiking Deraining 网络 ESDNet，通过引入注意力权重来调整数据驱动的脉冲响应，以减轻离散二值激活引起的信息损失，从而有效地检测和分析雨痕的特征，并为去雨过程提供更好的指导，实现高质量的图像重
PDF2 months ago
双向多尺度隐式神经表示的图像去雨
为了有效地探索雨纹的多尺度表示，我们提出了一种端到端的多尺度 Transformer，利用各种尺度上的潜在有用特征来促进高质量的图像重建，并结合空间变化的雨纹的内部尺度隐式神经表示，在复杂场景中提高模型的鲁棒性；通过粗到细和细到粗的信息传递
PDF3 months ago
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
PDF10 months ago
ICCV稀疏采样变换器在去雨滴和雨痕统一消除中的应用
提出了一种基于不确定性驱动排序的稀疏采样变换器，称为 UDR-S2Former，用于学习和建模全局图像退化关系，从而实现复杂雨天场景的统一去雨。与先前方法相比，UDR-S2Former 具有三个优点：可自适应地采样相关图像退化信息以建模底层
PDF10 months ago
混合卷积神经网络 - Transformer 结构上使用频域对比学习进行图像去雨
图像去雨是一项具有挑战性的任务，涉及恢复受雨滴影响的退化图像。
PDFa year ago
CVPR用于单幅图像去雨的多尺度沙漏层级融合网络
提出了一种多尺度 Hourglass 分层融合网络 (MH2F-Net)，通过多尺度提取、分层蒸馏和信息聚合来准确捕捉雨滴特征，采用残差投影特征融合策略逐步区分特征学习和聚合不同特征，与最新的去雨算法相比在合成和真实的数据集上展示了其有效性
PDF3 years ago
双重注意力模型用于联合去除雨线和雨滴
该研究提出了一个名为 DAiAM 的深度去雨网络，它包括两个 DAM，用于同时消除雨滴和雨 streak，DAiAM 通过两个关注映射，分别关注重雨区域和轻雨区域进行不同的导雨处理，同时还提出了一个 D-DAiAM 来解决一些难于处理的区域
PDF3 years ago
ECCV重新思考图像去雨：基于雨线和雾气的方法
本文提出了一种基于编码 - 解码卷积神经网络的单图像去雨方法，通过将雨纹视为传输介质结合雾气模拟出遮盖效应，同时将编码器 CNN 用来估计大气光。实验表明，该方法相对于现有方法在效果上有优势。
PDF4 years ago
CVPR基于不确定性引导的多尺度残差学习 —— 使用循环旋转 CNN 技术实现单张图像去雨
提出了新方法 UMRL 网络解决了单张图像去雨的问题。通过学习不同尺度的雨图像并使用置信度控制器来改善去雨效果。这一方法在合成和真实的数据集上均取得了明显的成果，优于现有最先进方法。
PDF5 years ago
CVPR雨天场景下的稳健光流估计
通过在雨中观察到 RGB 色彩通道均接收雨点辐射，文章引入了一种新的数据约束 —— 残差通道，用于减少雨条的影响，同时将图像分解为平滑背景层和高频细节层，并仅对背景层执行亮度恒定约束，证明在各种类型的雨情况下，我们的算法优于现有方法。这是第
PDF7 years ago