从天空到地面：面向真实去雨的大规模基准与简单基线
计算机视觉与模式识别
2023-08-21 v2
摘要
基于学习的图像去雨方法已取得很大进展。然而，缺乏大规模高质量配对训练样本是阻碍真实图像去雨（RID）的主要瓶颈。为解决这一困境并推进RID，我们构建了大规模高质量配对真实雨基准（LHP-Rain），包含3000段视频序列及100万对高分辨率（1920*1080）帧对。所提数据集相比现有数据集的优势有三方面：雨具有更高的多样性和更大规模，图像具有更高分辨率和更高质量的地面真值。具体而言，LHP-Rain中的真实雨不仅包含天空中经典的雨纹/雨幕/遮挡，还包含被去雨领域忽视的\textbf{地面溅水}。此外，我们提出一种新颖的鲁棒低秩张量恢复模型来生成GT，更好地将静态背景与动态雨分离。另外，我们设计了一个简单的基于Transformer的单图像去雨基线，同时利用图像与雨层内具有判别性特征表示的自注意力和跨层注意力。大量实验验证了所提数据集与去雨方法相对于最先进方法的优越性。
引用
@article{arxiv.2308.03867,
title = {From Sky to the Ground: A Large-scale Benchmark and Simple Baseline Towards Real Rain Removal},
author = {Yun Guo and Xueyao Xiao and Yi Chang and Shumin Deng and Luxin Yan},
journal= {arXiv preprint arXiv:2308.03867},
year = {2023}
}
备注
Accepted by ICCV 2023