通过空频交互的双路径耦合图像去雨网络
计算机视觉与模式识别
2024-02-08 v1
摘要
Transformer 最近已成为图像去雨领域的重要力量。现有的图像去雨方法利用了对自注意力机制的广泛研究。尽管展示了令人印象深刻的结果，但它们往往忽略了关键的频率信息，因为自注意力机制通常不太擅长捕捉高频细节。为了克服这一缺点，我们开发了一种创新的双路径耦合去雨网络（DPCNet），通过空间特征提取块（SFEBlock）和频率特征提取块（FFEBlock）整合来自空间和频率域的信息。我们进一步引入了一种有效的自适应融合模块（AFM）用于双路径特征聚合。在六个公共去雨基准和下游视觉任务上的大量实验表明，我们提出的方法不仅优于现有的最先进去雨方法，而且在下游视觉任务上取得了视觉上令人愉悦的结果并具有出色的鲁棒性。
引用
@article{arxiv.2402.04855,
title = {Dual-Path Coupled Image Deraining Network via Spatial-Frequency Interaction},
author = {Yuhong He and Aiwen Jiang and Lingfang Jiang and Zhifeng Wang and Lu Wang},
journal= {arXiv preprint arXiv:2402.04855},
year = {2024}
}