UniRain：基于 RAG 数据蒸馏和多目标重加权优化的统一图像去雾框架
计算机视觉与模式识别
2026-03-05 v1
摘要
尽管图像去雾领域取得了显著进展，但大多数现有方法仅针对特定雨滴类型设计，难以在多样化真实雨天场景中泛化。如何在通用框架内有效建模不同雨滴退化是实现实际应用去雾的关键问题。本文提出 UniRain，一个能够在日间和夜间条件下恢复雨 streak 和雨滴导致的图像退化的统一图像去雾框架。为提升统一模型的泛化能力，本文构建了基于智能检索增强生成 (RAG) 的数据蒸馈管线，从所有公开去雾数据集中筛选高质量训练样本，以实现更好的混合训练。此外，本文将简单有效的多目标重加权优化策略融入非对称混合专家 (MoE) 架构，以促进跨场景性能的一致性和鲁棒性。大量实验表明，在本文提出的基准数据集和多个公开数据集上，本文框架以优异的性能优于最新方法。
引用
@article{arxiv.2603.03967,
title = {UniRain: Unified Image Deraining with RAG-based Dataset Distillation and Multi-objective Reweighted Optimization},
author = {Qianfeng Yang and Qiyuan Guan and Xiang Chen and Jiyu Jin and Guiyue Jin and Jiangxin Dong},
journal= {arXiv preprint arXiv:2603.03967},
year = {2026}
}
备注
Accepted by CVPR 2026; Project Page: https://github.com/QianfengY/UniRain