PRISM：集成状态空间建模的渐进式雨滴去除
计算机视觉与模式识别
2025-10-01 v1
摘要
图像去雨是一种关键的视觉技术，用于去除雨帖和水滴，增强自动驾驶等关键视觉任务的清晰度。然而，当前的单尺度模型在细粒度恢复和全局一致性方面存在挑战。为此，我们提出渐进式雨滴去除与集成状态空间建模（PRISM）框架，包含三个阶段：粗糙提取网络（CENet）、频率融合网络（SFNet）和细化网络（RNet）。具体而言，CENet 和 SFNet 采用新颖的混合注意力 UNet（HA-UNet）进行多尺度特征聚合，通过结合通道注意力和窗口空间变换器实现。此外，我们提出混合域 Mamba（HDMamba）用于 SFNet，以联合建模空间语义和小波域特征。最后，RNet 通过原分辨率子网络恢复细粒度结构。我们的模型在保持结构细节和维护全局语境的同时，学习高频雨滴特征，显著提升图像质量。在多个数据集上与最新去雨方法进行基准测试后，Our 方法取得了具竞争力的结果。
引用
@article{arxiv.2509.26413,
title = {PRISM: Progressive Rain removal with Integrated State-space Modeling},
author = {Pengze Xue and Shanwen Wang and Fei Zhou and Yan Cui and Xin Sun},
journal= {arXiv preprint arXiv:2509.26413},
year = {2025}
}
备注
Preprint. Submitted to an IEEE conference and currently under review. Copyright 2025 IEEE; personal use permitted; all other uses require permission