Semi-DerainGAN：一种新的半监督单幅图像去雨网络
计算机视觉与模式识别
2021-04-08 v3
摘要
从单幅图像中去除雨纹仍是一项具有挑战性的任务，因为合成数据集中的雨纹形状与方向与真实图像差异很大。尽管有监督的深度去雨网络在合成数据集上取得了令人印象深刻的成果，但由于去雨能力的泛化性较弱，它们在真实图像上仍无法获得令人满意的结果，即预训练模型通常无法处理新的形状和方向，可能导致过度去雨或去雨不足的结果。本文提出一种基于GAN的半监督去雨网络，称为Semi-DerainGAN，它可通过两个有监督和无监督过程在统一网络中同时使用合成与真实雨图。具体而言，我们推导出一个称为SSRML的半监督雨纹学习器，其两个过程共享相同参数，使真实图像贡献更多雨纹信息。为获得更好的去雨结果，我们设计了一个配对判别器以区分真实对与伪造对。注意我们还贡献了一个新的真实世界雨图数据集Real200，以缓解合成与真实图像域之间的差异。在公开数据集上的大量结果表明，我们的模型可获得具有竞争力的性能，尤其在真实图像上。
引用
@article{arxiv.2001.08388,
title = {Semi-DerainGAN: A New Semi-supervised Single Image Deraining Network},
author = {Yanyan Wei and Zhao Zhang and Yang Wang and Haijun Zhang and Mingbo Zhao and Mingliang Xu and Meng Wang},
journal= {arXiv preprint arXiv:2001.08388},
year = {2021}
}
备注
Please cite this work as: Yanyan Wei, Zhao Zhang, Yang Wang, Haijun Zhang, Mingbo Zhao, Mingliang Xu and Meng Wang, "Semi-DerainGAN: A New Semi-supervised Single Image Deraining Network," In: Proceedings of the IEEE International Conference on Multimedia and Expo (ICME), July 2021