CVPR 2020 论文大盘点-去雨去雾去模糊篇

本文盘点CVPR 2020 所有图像去雨、去雾、去模糊的论文。

去雨示意图：

去雾示意图：

去模糊示意图：

作为底层图像处理任务，这三个方向有共同特点：现有技术无法真实模拟下雨、起雾、模糊，导致算法训练中使用的合成数据集和真实图像降质有差异，所以这个领域经常出现实验效果很豪横，实际使用却被抱怨的情况。

CVPR 2020中去雨方向 4 篇文章，去雾 3 篇，还有1篇去各种恶劣天气，去模糊 8 篇，大部分论文其实都是在解决上述实际应用中算法效果歇菜的问题。

大家可以在：

http://openaccess.thecvf.com/CVPR2020.py

按照题目下载这些论文。

如果想要下载所有CVPR 2020论文，请点击这里：

CVPR 2020 论文全面开放下载，含主会和workshop

   图像去雨（Image Deraining）

提出一种基于高斯过程的半监督学习框架，使得网络在学习中使用合成数据集进行去雨训练时，同时使用未标注的真实世界图像，以使网络能更好地泛化。

[1].Syn2Real Transfer Learning for Image Deraining Using Gaussian Processes

作者 | Rajeev Yasarla, Vishwanath A. Sindagi, Vishal M. Patel

单位 | 约翰斯霍普金斯

代码 | https://github.com/rajeevyasarla/

Syn2Real

多尺度渐进融合网络用于单幅图像去雨

[2].Multi-Scale Progressive Fusion Network for Single Image Deraining

作者 | Kui Jiang, Zhongyuan Wang, Peng Yi, Chen Chen, Baojin Huang, Yimin Luo, Jiayi Ma, Junjun Jiang

单位 | 武汉大学；北卡罗来纳大学夏洛特分校；伦敦国王学院；哈尔滨工业大学

代码 | https://github.com/kuihua/MSPFN（尚未）