双向多尺度隐式神经表示用于图像去雨

如何有效探索雨痕的多尺度表示对于图像去雨至关重要。与现有主要依赖单尺度雨外观的基于Transformer的方法不同，我们开发了一种端到端的多尺度Transformer，利用不同尺度中潜在有用的特征来促进高质量图像重建。为了更好地探索空间变化雨痕的常见退化表示，我们在闭环设计中结合了基于像素坐标的尺度内隐式神经表示与退化输入，使学习到的特征能够促进去雨并提高模型在复杂场景中的鲁棒性。为了确保不同尺度之间更丰富的协作表示，我们将一种简单而有效的尺度间双向反馈操作嵌入到我们的多尺度Transformer中，通过执行从粗到细和从细到粗的信息通信。大量实验表明，我们提出的方法（名为NeRD-Rain）在合成和真实世界基准数据集上的性能均优于最先进的方法。源代码和训练好的模型可在 https://github.com/cschenxiang/NeRD-Rain 获取。