雨屏：在室内采集雨天数据集
计算机视觉与模式识别
2020-03-11 v1
摘要
在机器人领域，采集恶劣条件下的数据是一项繁琐任务，因为难以保证恰当的真实标注（ground truth）并与期望的天气条件同步。在本文中，我们提出一种简单方法——录制高分辨率屏幕——用于从现有清晰真实标注图像生成多样的雨天图像，该方法与领域和来源无关、简单且可扩展。该设置使我们能够利用现有数据集的多样性及其辅助任务真实标注数据，如语义分割、物体位置等。我们基于 Cityscapes 和 BDD 生成带有真实附着水滴和雨纹的雨天图像，并训练了一个去雨（de-raining）模型。我们给出了图像重建与语义分割的定量结果，以及分布外（out-of-sample）领域的定性结果，表明用我们的数据训练的模型泛化良好。
引用
@article{arxiv.2003.04742,
title = {Rainy screens: Collecting rainy datasets, indoors},
author = {Horia Porav and Valentina-Nicoleta Musat and Tom Bruls and Paul Newman},
journal= {arXiv preprint arXiv:2003.04742},
year = {2020}
}