MBA-RainGAN：用于单图像混合雨去除的多分支注意力生成对抗网络
计算机视觉与模式识别
2020-05-26 v2
摘要
在暴雨天气透过玻璃拍摄图像时，雨水会严重妨碍场景物体的可见性。我们观察到三个有趣的现象：1) 雨是雨滴、雨纹和雨雾的混合物；2) 距相机的深度决定了物体可见度，近处和远处物体分别被雨纹和雨雾视觉遮挡；3) 玻璃上的雨滴随机影响整个图像空间的物体可见性。我们首次考虑到，物体的整体可见性由混合雨 (MOR) 决定。然而，现有方案和已有数据集未充分考虑 MOR。本工作中，我们首先建立一种新的雨水成像模型；随后，通过考虑雨滴丰富了流行的 RainCityscapes，命名为 RainCityscapes++。此外，我们提出了一种多分支注意力生成对抗网络（称为 MBA-RainGAN）以充分去除 MOR。实验表明，在 RainCityscapes++ 上我们的方法相对于现有最优方法在视觉和数值上均有明显提升。代码与数据集将公开可用。
引用
@article{arxiv.2005.10582,
title = {MBA-RainGAN: Multi-branch Attention Generative Adversarial Network for Mixture of Rain Removal from Single Images},
author = {Yiyang Shen and Yidan Feng and Sen Deng and Dong Liang and Jing Qin and Haoran Xie and Mingqiang Wei},
journal= {arXiv preprint arXiv:2005.10582},
year = {2020}
}