一步实现去雨与光照增强
图像与视频处理
2021-10-19 v2 计算机视觉与模式识别
摘要
去雨在退化图像复原中起着重要作用。近年来，数据驱动方法取得了显著成功。然而，这些方法忽视了雨的出现常伴随低光照条件，这会进一步降低图像质量。因此，对于真实世界雨图复原而言，联合去雨与光照增强十分必要。本文旨在从两方面解决该问题。首先，我们提出一种新颖的纠缠网络，即 EMNet，可一步完成去雨与光照增强。具体而言，两个编码器-解码器网络通过纠缠结构交互互补信息，并行实现去雨与光照增强。考虑到编码器-解码器结构在保留空间细节上不可靠，我们采用细节恢复网络来复原所需的精细纹理。其次，我们提出一个新的合成数据集，即 DarkRain，以推动实际场景下雨图复原算法的发展。DarkRain 不仅包含不同程度的雨，还考虑了不同的光照条件，更真实地模拟了真实世界中的降雨。EMNet 在所提基准上进行了广泛评估，取得了最先进（state-of-the-art）结果。此外，经简单变换后，我们的方法在去雨与低光照图像增强上均优于现有方法。源代码与数据集稍后将公开。
引用
@article{arxiv.2108.03873,
title = {Rain Removal and Illumination Enhancement Done in One Go},
author = {Yecong Wan and Yuanshuo Cheng and Mingwen Shao},
journal= {arXiv preprint arXiv:2108.03873},
year = {2021}
}
备注
In section 5.2 of the paper, the comparison results are unfair due to different calculation methods of model speed. Please allow us to correct the unfair result