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)