UnfairGAN：一种用于单图像去雨滴的增强生成对抗网络
计算机视觉与模式识别
2021-10-13 v1 图像与视频处理
摘要
图像去雨是真实世界应用（如自动驾驶车辆）中一个新兴的挑战性问题。在暴雨的恶劣天气条件下，主要撞击玻璃或挡风板的雨滴会显著降低观测能力。此外，散布在玻璃上的雨滴会产生折射的物理效应，严重阻碍视线或破坏机器学习系统。本文中，我们提出一种增强生成对抗网络来处理雨滴这一挑战性问题。UnfairGAN 是一种增强生成对抗网络，可利用边缘和降雨估计等先验高层信息来提升去雨性能。为验证 UnfairGAN，我们引入了一个用于训练深度学习去雨模型的大规模数据集。实验结果表明，在量化指标和视觉质量方面，我们提出的方法优于其他最先进的去雨滴方法。
引用
@article{arxiv.2110.05523,
title = {UnfairGAN: An Enhanced Generative Adversarial Network for Raindrop Removal from A Single Image},
author = {Duc Manh Nguyen and Sang-Woong Lee},
journal= {arXiv preprint arXiv:2110.05523},
year = {2021}
}