不止于条纹：面向单图像去雨的地面真值
计算机视觉与模式识别
2024-07-30 v3
摘要
我们提出了一个大规模的真实世界雨天与干净图像对数据集，以及一种从图像中去除由雨条纹和雨积累所引起退化的方法。由于目前不存在真实世界的去雨数据集，最先进的方法依赖于合成数据，因而受限于 sim2real 领域鸿沟；此外，由于缺乏真实的成对数据集，严谨的评估仍具挑战。我们通过精细控制非雨变化收集了一个真实成对去雨数据集，从而填补了这一空白。我们的数据集支持针对多样真实世界降雨现象（例如雨条纹和雨积累）的成对训练与定量评估。为学习对降雨现象鲁棒的表达，我们提出了一种深度神经网络，其通过在雨图与干净图像之间最小化雨鲁棒损失来重建底层场景。大量实验表明，我们的模型在各种条件下的真实雨图上去雨性能优于最先进的方法。项目网站：https://visual.ee.ucla.edu/gt_rain.htm/。
引用
@article{arxiv.2206.10779,
title = {Not Just Streaks: Towards Ground Truth for Single Image Deraining},
author = {Yunhao Ba and Howard Zhang and Ethan Yang and Akira Suzuki and Arnold Pfahnl and Chethan Chinder Chandrappa and Celso de Melo and Suya You and Stefano Soatto and Alex Wong and Achuta Kadambi},
journal= {arXiv preprint arXiv:2206.10779},
year = {2024}
}