用于 GT-RAIN 挑战赛 CVPR 2023 Workshop UG$^{\textbf{2}}$+ Track 3 的两阶段真实图像去雨方法
计算机视觉与模式识别
2023-05-16 v1
摘要
在本技术报告中,我们简要介绍 HUST\li VIE 团队在 CVPR 2023 UG+ Track 3 的 GT-Rain 挑战赛中的方案。在该任务中,我们提出一种高效的两阶段框架,从含雨帧重建清晰图像。首先,利用基于低秩的视频去雨方法生成伪 GT,充分发挥多帧对齐含雨帧的优势。其次,实现基于 Transformer 的单图像去雨网络 Uformer,在大型真实雨数据集上预训练,然后在伪 GT 上微调以进一步提升图像复原效果。此外,就视觉愉悦效果而言,在流程末端采用了综合图像处理器模块。我们的整体框架经过精心设计,能够处理终测阶段提供的强降雨与雾天序列。最终,我们在平均结构相似性(SSIM)上排名第 1,在平均峰值信噪比(PSNR)上排名第 2。我们的代码见 https://github.com/yunguo224/UG2_Deraining。
引用
@article{arxiv.2305.07979,
title = {A Two-Stage Real Image Deraining Method for GT-RAIN Challenge CVPR 2023 Workshop UG$^{\textbf{2}}$+ Track 3},
author = {Yun Guo and Xueyao Xiao and Xiaoxiong Wang and Yi Li and Yi Chang and Luxin Yan},
journal= {arXiv preprint arXiv:2305.07979},
year = {2023}
}