Semi-MoreGAN：一种用于混合雨去除的新半监督生成对抗网络
计算机视觉与模式识别
2022-11-18 v2
摘要
雨是最常见的天气之一，可完全降低图像质量并干扰许多计算机视觉任务的性能，尤其在暴雨条件下。我们观察到：(i) 雨是雨纹和雨雾的混合；(ii) 场景深度决定雨纹强度及其向雨雾的转化；(iii) 大多数现有去雨方法仅在合成雨图上进行训练，因此对真实场景泛化性差。受这些观察启发，我们提出一种新的半监督混合雨去除生成对抗网络（Semi-MoreGAN），其由四个关键模块组成：(I) 新颖的注意力深度预测网络以提供精确深度估计；(ii) 由若干精心设计的细节残差块组成的上下文特征预测网络以产生细节图像上下文特征；(iii) 金字塔深度引导非局部网络以有效整合图像上下文与深度信息，并生成最终无雨图像；(iv) 综合半监督损失函数使模型不局限于合成数据集而能平滑泛化至真实世界暴雨场景。大量实验表明，在合成与真实世界雨图上，我们的方法相对于二十个代表性 SOTA 方法有明确提升。
引用
@article{arxiv.2204.13420,
title = {Semi-MoreGAN: A New Semi-supervised Generative Adversarial Network for Mixture of Rain Removal},
author = {Yiyang Shen and Yongzhen Wang and Mingqiang Wei and Honghua Chen and Haoran Xie and Gary Cheng and Fu Lee Wang},
journal= {arXiv preprint arXiv:2204.13420},
year = {2022}
}
备注
18 pages