Star-Net：以更高效连接与多样特征交互改进单图像去雪模型
计算机视觉与模式识别
2023-03-20 v1
摘要
相较于其他恶劣天气图像复原任务，单图像去雪是一项更具挑战性的任务。这主要源于雪形多样且不规则，使得雪景图像复原极为困难。此外，雪粒还具有类似雾或霾的遮蔽效应。尽管现有工作能有效去除各种形状的雪粒，却也给复原图像带来失真。为解决这些问题，我们提出一种名为 Star-Net 的新型单图像去雪网络。首先，我们设计了一种星形跳跃连接（SSC）为所有不同尺度特征建立信息通道，以应对雪粒的复杂形状。其次，我们提出一种多阶段交互 Transformer（MIT）作为 Star-Net 的基础模块，旨在通过显式建模多种重要的图像复原特征来更好地理解雪粒形状并解决图像失真问题。最后，我们提出一种退化滤波模块（DFM），在空间和通道域上过滤 SSC 中的雪粒与雪雾残差。大量实验表明，我们的 Star-Net 在三个标准去雪数据集上取得了最先进的除雪性能，并保留了图像原有的锐度。
引用
@article{arxiv.2303.09988,
title = {Star-Net: Improving Single Image Desnowing Model With More Efficient Connection and Diverse Feature Interaction},
author = {Jiawei Mao and Yuanqi Chang and Xuesong Yin and Binling Nie},
journal= {arXiv preprint arXiv:2303.09988},
year = {2023}
}