用于单幅图像去雨的残差引导特征融合网络
计算机视觉与模式识别
2018-04-23 v1
摘要
单幅图像雨纹去除极为重要,因为雨天图像会对许多计算机视觉系统产生不利影响。基于深度学习的方法在图像去雨任务中已取得巨大成功。本文中,我们提出一种新颖的残差引导特征融合网络,称为 ResGuideNet,用于单幅图像去雨,可渐进式预测高质量重建。具体而言,我们提出级联网络,并采用由较浅块生成的残差来引导较深层块。通过该策略,随着块加深,我们可获得从粗到细的负残差估计。不同块的输出被合并至最终重建中。我们采用递归卷积构建每个块,并对所有中间结果施加监督,使我们的模型在合成与真实世界数据上取得优异性能,同时比先前所需参数更少。ResGuideNet 可分离以满足不同雨天条件。对于具有轻度雨纹且测试时计算资源有限的图片,即使仅用数个构建块也可获得不错性能。实验验证 ResGuideNet 可惠及其他低层与高层视觉任务。
引用
@article{arxiv.1804.07493,
title = {Residual-Guide Feature Fusion Network for Single Image Deraining},
author = {Zhiwen Fan and Huafeng Wu and Xueyang Fu and Yue Hunag and Xinghao Ding},
journal= {arXiv preprint arXiv:1804.07493},
year = {2018}
}