MetaWeather：少样本天气退化图像复原
计算机视觉与模式识别
2024-07-15 v4
摘要
真实世界天气条件复杂且常同时出现。然而，多数现有复原方法仅适用于训练数据中的特定天气条件，难以泛化至未见过的天气类型，包括真实世界天气条件。针对此问题，我们提出 MetaWeather，一种可通过单一统一模型处理多样且新颖天气条件的通用方法。MetaWeather 扩展了强大的元学习框架，将天气退化图像复原任务建模为少样本自适应问题，预测查询图像的退化模式，并通过一种新颖的空间-通道匹配算法学习自适应至未见天气条件。在 BID Task II.A、SPA-Data 与 RealSnow 数据集上的实验结果表明，所提方法能够自适应未见天气条件，显著优于最先进的多天气图像复原方法。
引用
@article{arxiv.2308.14334,
title = {MetaWeather: Few-Shot Weather-Degraded Image Restoration},
author = {Youngrae Kim and Younggeol Cho and Thanh-Tung Nguyen and Seunghoon Hong and Dongman Lee},
journal= {arXiv preprint arXiv:2308.14334},
year = {2024}
}
备注
Accepted to ECCV 2024. Code is available at https://github.com/RangeWING/MetaWeather