基于空间注意力网络与高质量真实雨数据集的单图像去雨
计算机视觉与模式识别
2019-08-20 v2
摘要
由于雨纹会严重降低图像质量并影响现有室外视觉任务的性能，从单幅图像中去除雨纹已引起相当关注。尽管近期基于 CNN 的去雨器报告了良好性能，去雨仍因两个原因而悬而未决。首先，现有合成雨数据集在建模真实雨特性（如雨形、方向与强度）方面真实感有限。其次，缺乏真实雨图像定量比较的公开基准，使当前评估不够客观。核心挑战在于真实世界雨图/干净图像对无法同时捕获。本文从两方面解决单图像去雨问题。首先，我们提出一种结合时序先验与人监督的半自动方法，从每输入序列的真实雨图像生成高质量干净图像。利用该方法，我们构建了涵盖广泛自然雨场景、含约 雨图/无雨图像对的大规模数据集。其次，为更好覆盖真实雨纹的随机分布，我们提出一种新颖的空间注意力网络（SPatial Attentive Network, SPANet），以局部到全局方式去除雨纹。大量实验表明，我们的网络优于最先进的去雨方法。
引用
@article{arxiv.1904.01538,
title = {Spatial Attentive Single-Image Deraining with a High Quality Real Rain Dataset},
author = {Tianyu Wang and Xin Yang and Ke Xu and Shaozhe Chen and Qiang Zhang and Rynson Lau},
journal= {arXiv preprint arXiv:1904.01538},
year = {2019}
}
备注
Accepted by CVPR'19. Project page: https://stevewongv.github.io/derain-project.html