迈向统一深度图像去雨：综述与新基准
计算机视觉与模式识别
2023-10-06 v1
摘要
近年来，由于各类有效图像先验与深度学习模型，图像去雨取得显著进展。由于每种去雨方法各有设定（如训练与测试数据集、评估准则），如何公平全面地评估现有方法并非易事。尽管现有综述旨在全面回顾图像去雨方法，但鲜有聚焦于提供统一评估设定以检验去雨能力与实用性评估。本文全面回顾现有图像去雨方法并提供统一评估设定以评估其性能。我们构建了名为 HQ-RAIN 的新高质量基准以进一步开展广泛评估，其包含 5000 对更高协调性与真实性的高分辨率合成图像。我们也讨论现有挑战并强调若干值得探索的未来研究机会。为便于普通用户复现与追踪最新去雨技术，我们搭建了在线平台提供即用工具包，涉及大规模性能评估。该在线平台与新基准已公开并定期更新于 http://www.deraining.tech/。
引用
@article{arxiv.2310.03535,
title = {Towards Unified Deep Image Deraining: A Survey and A New Benchmark},
author = {Xiang Chen and Jinshan Pan and Jiangxin Dong and Jinhui Tang},
journal= {arXiv preprint arXiv:2310.03535},
year = {2023}
}
备注
Project website: http://www.deraining.tech/