基于深度分解-合成网络的快速单图像去雨
计算机视觉与模式识别
2018-04-10 v1
摘要
图像中的雨效通常对许多多媒体与计算机视觉任务造成干扰。为从单幅图像中去除雨效，深度学习技术已引起相当关注。本文设计了一种新颖的端到端多任务学习架构，以缩小从输入到输出的映射范围并提升性能。具体地，构建分解网络将含雨图像拆分为干净背景层与雨层。与先前架构不同，我们的模型除表示所需干净图像的组件外，还包含一个额外的雨层组件。在训练阶段，我们进一步采用合成结构，由分离出的干净图像与雨信息重现输入，以提升分解质量。在合成与真实图像上的实验结果均表明，我们的设计可实现高质量复原，并优于其他 SOTA 方法。此外，我们的设计也适用于其他层分解任务，如去尘。更重要的是，在 GTX 1080 GPU 上处理一幅 VGA 分辨率测试图像，我们的方法仅需约 50ms，显著快于同类方法，使其具实用吸引力。
引用
@article{arxiv.1804.02688,
title = {Fast Single Image Rain Removal via a Deep Decomposition-Composition Network},
author = {Siyuan LI and Wenqi Ren and Jiawan Zhang and Jinke Yu and Xiaojie Guo},
journal= {arXiv preprint arXiv:1804.02688},
year = {2018}
}