迈向实时高清图像去雪：具有非对称编解码器架构的高效金字塔网络
计算机视觉与模式识别
2022-07-13 v1
摘要
在冬季场景中，雪天拍摄图像的退化可能相当复杂，雪退化空间分布因图而异。近期方法采用深度神经网络直接从雪图恢复干净场景。然而，由于复杂雪退化变化引起的矛盾，实现可靠的实时高清图像去雪性能是一项重大挑战。我们提出了一种具有非对称编解码器架构的新型高效金字塔网络用于实时高清图像去雪。所提网络的总体思路是充分利用多尺度特征流，并隐式地从特征中挖掘干净线索。与先前最先进的去雪方法相比，我们的方法实现了更好的复杂度-性能权衡，并有效处理了高清和超高清图像的处理困难。在三个大规模图像去雪数据集上的广泛实验表明，我们的方法在定量和定性上大幅超越所有最先进方法，在CSD测试数据集上将PSNR指标从31.76 dB提升至34.10 dB，在SRRS测试数据集上从28.29 dB提升至30.87 dB。
引用
@article{arxiv.2207.05605,
title = {Towards Real-time High-Definition Image Snow Removal: Efficient Pyramid Network with Asymmetrical Encoder-decoder Architecture},
author = {Tian Ye and Sixiang Chen and Yun Liu and Yi Ye and Erkang Chen},
journal= {arXiv preprint arXiv:2207.05605},
year = {2022}
}