基于残差通道先验引导的结构保持去雨
计算机视觉与模式识别
2021-08-23 v1
摘要
单幅图像去雨对许多高层计算机视觉任务十分重要，因为雨纹会严重降低图像可见性，从而影响图像的识别与分析。近年来，许多基于 CNN 的方法被提出用于去雨。尽管这些方法能去除部分雨纹，却难以适应真实场景并复原具有清晰准确结构的高质量无雨图像。为解决该问题，我们提出一种带 RCP 引导的结构保持去雨网络（SPDNet）。SPDNet 在 RCP 引导下直接生成具有清晰准确结构的高质量无雨图像，且不依赖任何雨天生成假设。具体而言，我们发现图像的 RCP 比雨图包含更准确的结构信息。因此将其引入去雨网络以保护无雨图像的结构信息。同时，提出基于小波的多级模块（WMLM）作为主干以学习雨图背景信息，并设计交互融合模块（IFM）以充分利用 RCP 信息。此外，提出迭代引导策略逐步提升 RCP 精度，沿渐进路径精炼结果。在合成与真实数据集上的大量实验表明，所提模型取得了新的 SOTA 结果。代码：https://github.com/Joyies/SPDNet
引用
@article{arxiv.2108.09079,
title = {Structure-Preserving Deraining with Residue Channel Prior Guidance},
author = {Qiaosi Yi and Juncheng Li and Qinyan Dai and Faming Fang and Guixu Zhang and Tieyong Zeng},
journal= {arXiv preprint arXiv:2108.09079},
year = {2021}
}