用于单幅图像去雨的非局部通道聚合网络
计算机视觉与模式识别
2021-03-04 v1
摘要
出现在图像或视频中的雨纹会严重降低计算机视觉应用的性能。因此，去除雨纹并改善我们的视觉系统至关重要。尽管近期基于卷积神经网络的方法在单幅图像去雨（SIRR）中展现出有前景的结果，但它们未能有效捕获长程位置依赖或同时聚合卷积通道信息。然而，由于SIRR是一个高度病态的问题，这些空间和通道信息是解决SIRR的重要线索。首先，空间信息可通过收集图像中隐藏的长程依赖位置信息来帮助我们的模型理解图像上下文。其次，聚合通道可帮助我们的模型专注于与图像背景而非雨纹更相关的通道。在本文中，我们提出一种非局部通道聚合网络（NCANet）来解决SIRR问题。NCANet将二维雨图建模为三个方向上向量序列，即垂直方向、横向和通道方向。从所有三个方向递归聚合信息使我们的模型能够捕获通道和空间位置中的长程依赖。在暴雨和轻雨图像数据集上的大量实验证明了所提NCANet模型的有效性。
引用
@article{arxiv.2103.02488,
title = {Non-local Channel Aggregation Network for Single Image Rain Removal},
author = {Zhipeng Su and Yixiong Zhang and Xiao-Ping Zhang and Feng Qi},
journal= {arXiv preprint arXiv:2103.02488},
year = {2021}
}