文献阅读
文章平均质量分 81
这里是low-level 计算机视觉中图像去雨的一些文章阅读记录。
行走的歌
这个作者很懒,什么都没留下…
展开
-
论文阅读:DRD-Net: Detail-recovery Image Deraining via Context Aggregation Networks
应该不断沉淀自己,提升自己。2020 CVPR : DRD-Net这篇文章是2020年CVPR的一篇文章,主要是提出了一种基于两个结构相似的子网络分别用于去雨和恢复细节的DRD-Net。代码:Coming soon!(目前看到的论文版本不像是CVPR格式的,害)对于现有的图像去雨方法,传统方法在去除暴雨时效果不佳,基于学习的方法则会导致图像细节丢失、伪影及颜色失真等图像退化。本文则是提出了DRD-Net,一种基于上下文聚合网络的细节恢复的图像去雨方法。主要是引入了两个具有综合损失函数的子网络原创 2020-08-08 16:01:53 · 3196 阅读 · 16 评论 -
论文阅读:Self-Refining Deep Symmetry Enhanced Network for Rain Removal
努力提升自己才是最应该做的。2019 ICIP:Self-Refining DSEN这篇文章主要提出了一种自细化的深度对称增强网络,并且引入了一种旋转等变特征的概念(rotation equivariant features),还挺有意思.代码:SDSEN现有的大部分方法都是基于卷积神经网络CNN进行构建的,但是CNN对物体旋转不具有等变性,导致这些方法不适合处理倾斜的雨纹。本文提出的深度对称增强网络可以从雨图中提取出旋转等变特征,并且还设计了一种自细化的机制,由粗到细地去除积累的雨纹。自细化原创 2020-07-29 22:13:50 · 386 阅读 · 0 评论 -
论文阅读:Fast Single Image Rain Removal via a Deep Decomposition-Composition Network
这是一篇基于分解-组成网络的去雨方法,是一篇SCI二区的文章CVIU吧,天津大学的李思源是作者。同样他还发了一篇2019年的CVPR,提出了一个benchmark。2019 CVIU:DDC Net本文所提出网络的主要思想是将雨图先分解成雨层和背景层,然后再进行合成作为分解的输入,提高分解网络分解的质量。本篇文章主要是设计了一种新颖的端到端多任务学习结构,减少了输入到输出的映射范围,提高了性能。首先是设计了一个分解网络,将雨图分解成干净的背景层和雨层,该模型除了包含一个表示所需的干净图像的成分,还原创 2020-07-28 20:05:35 · 975 阅读 · 0 评论 -
论文阅读:Residual-Guide Network for Single Image Deraining
又是一篇基于残差学习的论文,出自厦大丁兴浩老师团队。也是较早之前看的,回过头再看一遍。2018 ACMMM: ResGuideNet本文主要提出了一种残差指导特征融合网络ResGuideNet,利用较浅模块生成的残差来指导更深的模块,最终对不同模块的输出进行特征融合,完成单幅图像的去雨。具体地讲,ResGuideNet主要是提出了一种级联网络,使用较浅模块生成的残差来指导较深模块,据此可以随着模块深度的增加能够得到负残差的由粗到细的一个估计。同时不同模块的输出融合到最终的重建模块。采用了递归卷积来构原创 2020-07-28 09:40:54 · 806 阅读 · 0 评论 -
论文阅读:Non-locally Enhanced Encoder-Decoder Network for Single Image De-raining
这是2018ACMMM的一篇论文,在整理ERL-Net的时候发现结构同为编解码结构,一起看看。不过论文有点难懂,之前理解还不是很透彻,这次再下点功夫好好看一下。2018 ACMMM:NLEDN代码:NLEDN对于现有的去雨方法,要么专注于网络的入口和出口,将输入图像分解为高和低频率信息和使用残差学习减少映射范围,或专注于级联的学习框架将去雨任务分解成多阶段任务。本文主要是提出了一种基于编解码结构的端到端的网络结构用于增强特征表达和空间关联学习的能力。提出了一种非局部增强型的编解码网络框架,该框架由原创 2020-07-25 19:13:00 · 1263 阅读 · 0 评论 -
论文阅读:ERL-Net: Entangled Representation Learning for Single Image De-Raining
这篇是假期很久之前看的,那段时间没有整理笔记,最近看的一篇论文中有提到这个,再回头整理一下。2019 ICCV:ERL-Net这篇文章是2019年ICCV的一篇文章,主要提出了一种缠结表示学习的方法结合编解码结构,完成单幅图像的去雨。这篇文章与2018ACMMM的一篇编解码结构的网络有相似之处,应该放到一起整理。文章首先指出了当前编解码网络得到的结果因为缺少细节而存在的不足。将解码器网络解释为条件发生器,解码器在其中充当条件发生器,条件发生器取决于编码器学习的嵌入,输出结果不理想的原因可能是编码器学原创 2020-07-24 17:09:40 · 575 阅读 · 1 评论 -
论文阅读:Uncertainty Guided Multi-Scale Residual Learning-using a Cycle Spinning CNN for Single Image De
这是后面发现的一个2019年CVPR的一篇去雨文章,遗珠。2019 CVPR : UMRL这是2019CVPR的一片文章,作者来自约翰霍普金斯大学,也有不少文章,Rajeev Yasarla 这篇文章主要是基于估计的置信度引导学习权值,并融入了循环旋转框架来去除伪影。代码:UMRL雨图中可能会包含大小、方向、密度不同的雨纹,之前的一些利用图像先验的方法由于没有考虑到雨在图片中的位置信息而效果欠佳,所以本文以多尺度的方式考虑进雨纹的位置信息。本文主要提出了一种不确定性引导多尺度残差学习网络(UM原创 2020-07-22 16:44:43 · 1170 阅读 · 0 评论 -
论文阅读: Gated Context Aggregation Network for Image Dehazing and Deraining
今天发现自己构思了很久的一个想法,已经初步成型 的网络,在ArXiv上发现了已经成型的论文。害,现在心情很down2018 WACV :GCANet这篇文章主要结合平滑扩张卷积以及提出了一种门限融合子网络来完成图像的去雾和去雨,效果比较好。本片文章主要是提出了一个端到端门控上下文聚合网络来直接恢复最终的无模糊图像。在该网络中,我们采用最新的平滑扩张卷积技术来帮助去除广泛使用的扩张卷积引起的网格伪影,而额外的参数可以忽略,并利用门控子网络融合不同层次的特征。主要关键词: 平滑扩张卷积 + 门控融合原创 2021-11-23 20:17:53 · 2820 阅读 · 9 评论 -
论文阅读:Deep Stacked Hierarchical Multi-patch Network for Image Deblurring
这是一篇去模糊的文章,后来发现直接套用不合适,无法获取到相应的特征,遂作罢,简单记录一下。2019 CVPR:DMPHN这篇文章是2019CVPR的一篇去模糊方向的文章,师兄分享的时候看了一下,后来也发现这个网络结构在很多workshop以及文章中都见过。文章:ArXiv代码:Github在去模糊领域,目前的多尺度和尺度循环模型存在一些问题:1)由粗到细方案中的去卷积/上采样操作导致运行时间昂贵;2)单纯的用更精细的层次来增加模型的深度并不能提高去模糊的质量。就此,本文主要提出了一种基于空原创 2020-07-08 17:39:07 · 1738 阅读 · 0 评论 -
论文阅读:Multi-Scale Progressive Fusion Network for Single Image Deraining
坐得住凳子。2020CVPR:MSPFN这篇文章是2020CVPR的一篇文章,作者来自武汉大学。文章主要结合金字塔结构、信道注意力机制进而协同地表示出多尺度的雨纹信息,提出了一种MSPFN网络。代码:戳我本文主要提出了一种多尺度渐进融合网络(MSPFN)。对于雨的成像原理,由于雨和相机之间的距离不同,导致图片中的雨水会呈现出不同的模糊度和分辨率,因此可以利用多分辨率和多尺度之间的互补信息来表示雨纹。本文主要提出了一个框架从输入图像尺度和层次深度特征的角度,探讨了雨纹的多尺度协同表示,进而完成去雨原创 2021-11-23 20:18:25 · 5578 阅读 · 5 评论 -
论文阅读:Selective Kernel Networks
这是一篇算是结构性的文章,拿来看一下2019CVPR : SK-NetSelective Kernel Networks 由字面意思,选择性内核网络,可以自适应调整核大小的网络。拟解决问题: 标准的CNN中,每一层的人工神经元的感受野设计为相同的大小。但是视觉皮层神经元的感受野大小是受刺激调节的,人工构造则没有考虑到这一点。这样就会导致在捕捉特征的时候无法很准确地捕捉特征。本文则是提出了一种动态选择机制,允许每个神经元根据输入信息的多个尺度自适应调整感受野的大小。设计了一种被称为选择内核(SK)单原创 2021-11-23 20:22:36 · 1928 阅读 · 0 评论 -
论文阅读:Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution
这是一篇超分领域的一篇文章,提出了一种超分金字塔的结构,比较经典。只做一个简单的记录2017CVPR:LapSRN这篇文章是偶然看到的,是2017年CVPR超分领域的一篇文章,主要是提出了一种拉普拉斯金字塔超分网络。文章主要提出了一个拉普拉斯金字塔超分辨率网络(LapSRN)来逐步重建高分辨率图像的子带残差。在每个金字塔层,模型以粗分辨率特征图作为输入,预测高频残差,并使用转置卷积向上采样到更细的层。不需要双三次插值作为预处理步骤,因此大大降低了计算复杂度。我们使用鲁棒的Charbonnier损失函原创 2020-07-02 08:23:58 · 738 阅读 · 0 评论 -
论文阅读:A Deep Tree-Structured Fusion Model for Single Image Deraining
也是一篇轻量级的网络,简要梳理一下2018 ArXiv:树状网络也是傅雪阳的一篇文章,主要提出了一种树状的特征融合网络,文章使用扩张卷积作为基本块,同时减少了网络参数。文章主要提出了一种基于特征融合的树状结构融合模型。网络使用扩张卷积作为基本模块来捕捉雨的空间结构。图像的相邻特征之间包含着大量的冗余信息,可以通过分层融合相邻特征来减少冗余。可以有效地利用空间信息和内容信息来使模型更加紧凑。关键词: 树状结构+扩张卷积+特征融合+减少参数网络结构:整体网络结构由一个特征提取层,八个扩张原创 2020-07-01 18:36:55 · 454 阅读 · 0 评论 -
论文阅读:Lightweight Pyramid Networks for Image Deraining
稍微整理一下这两篇轻量级的网络。内容比较少,也不写多2019 T-NNLS:LPNet这篇文章也是傅雪阳的一篇文章,主要提出了一种轻量级的金字塔网络。工程:LPNet简而言之,文章简化了网络结构,在神经网络中引入了高斯拉普拉斯金字塔分解技术,采用了递归和残差网络结构构建网络,大大减少了网络参数。主要创新之处1、CNN结合经典的高斯-拉普拉斯金字塔技术,提出了一个参数较少、深度较浅、结构简单的网络。2、网络结合了多尺度技术、递归和残差学习,同时去除了BN。网络结构整体网络结构:子网络:原创 2020-07-01 17:22:56 · 1737 阅读 · 0 评论 -
论文阅读:Singe Image Rain Removal with Unpaired Information: A Differentiable Programming Perspective
这篇文章与Attentive-GAN网络结构很相似,顺带一起整理了。成长就是在慢慢学会放下。2019AAAI : RR-GAN这篇文章是2019AAAI的一篇文章,主要提出了一种缓解成对数据训练约束的去雨方法,整体结构与2018CVPR AttentiveGAN比较相似。这篇文章主要提出了一种RainRemoval-GAN(RR-GAN),使用不配对监督。通过引入一个物理模型来从可微规划的角度明确地学习恢复的图像和相应的雨条纹,从而减轻了成对的训练约束。整体网络由一个多尺度注意力记忆生成器和一个原创 2020-06-27 19:46:45 · 699 阅读 · 1 评论 -
论文阅读:Attentive Generative Adversarial Network for Raindrop Removal from A Single Image
顺手把这两篇比较相像的GAN网络整理一下。心有猛虎,细嗅蔷薇。2018CVPR:Attentive GAN本篇文章是2018年一篇CVPR,主要是针对雨滴Raindrop的去除提出了一种方法,在GAN网络中引入注意力机制,将生成的注意力图和原始有雨图像一起输入,完成去雨。是北大Jiaying Liu老师课题组的一篇文章,同组比较知名的去雨方面研究还有杨文瀚。作者源代码:戳我python3.5复现代码:戳我作者指出,对于雨滴去除问题,首先是被雨滴遮挡的区域没有给出,其次大部分被遮挡区域的背景信息原创 2020-06-27 18:47:29 · 1880 阅读 · 4 评论 -
论文阅读:Semi-supervised Transfer Learning for Image Rain Removal
2019 CVPR : Semi-supervised原创 2020-06-26 00:35:24 · 1640 阅读 · 0 评论 -
论文阅读:Syn2Real Transfer Learning for Image Deraining using Gaussian Processes
写在最前面: 因为疫情的原因,迟迟不能开学。在家里虽然也在看论文,但之前有别的事情在做,但是没有坚持继续写博客,现在继续拾起来。把之前看的几篇比较有意思的论文做个总结,在我后面需要用的时候也是个参考。不能打败你的,都将使你更强大。2020CVPR:高斯过程+半监督学习+迁移学习这篇文章是2020CVPR的一篇文章,主要提出了一种基于高斯过程的半监督学习方法。论文地址:...原创 2020-06-24 18:50:33 · 2728 阅读 · 0 评论 -
论文阅读:Rain Streak Removal for Single Image via Kernel Guided CNN
2018 Arxiv : KGCNN本篇文章是2018年预发表在Arxiv上的一篇文章,主要是提出了一种使用核指导的卷积神经网络(KGCNN)用于单幅图像去除雨纹的方法。KGCNN:a kernel guided convolutional neural network现有的方法在某些情况下可以很好地去除雨纹。但是雨纹生成过程中本质因素即运动模糊,导致了线性模式的出现,这些都被深度学习雨...原创 2020-01-11 17:18:42 · 1022 阅读 · 1 评论 -
论文阅读:Learning Dual Convolutional Neural Networks for Low-Level Vision
2018 CVPR :Dual CNN本篇文章是2018 CVPR的一篇文章,主要是提出了一种结构来解决多种low-level的视觉问题,主要是参考了超分的一些知识SRCNN、VDSR等等。//查了一下作者简历,在大连理工大学读完计算机博士学位之后就直接特聘教授去了南京理工大学,28岁正教授,tql//Dual CNN :Dual Convolutional Neural Networks...原创 2020-01-11 11:55:03 · 1468 阅读 · 1 评论 -
论文阅读:Recurrent Squeeze-and-Excitation Context Aggregation Net for Single Image Deraining
2018 ECCV:RESCAN本篇文章是2018年ECCV的一篇文章,也很出名,主要是提出了一种递归的SE上下文扩张网络来完成单幅图像的去雨。原创 2021-11-23 20:22:51 · 3080 阅读 · 2 评论 -
论文阅读:Density-aware Single Image De-raining using a Multi-stream Dense Network
2018 CVPR : DID-MDN本篇文章是2018年CVPR的一篇文章,也比较出名,很多文章都会进行对比,主要提出了一种基于密度感知的多流密集网络完成单幅图像去雨。DID-MDN:a density-aware multi-stream densely connected convolutional neural network . 用于联合雨的密度估计和去雨。该方法使网络本身能够自...原创 2019-12-31 13:40:28 · 2868 阅读 · 0 评论 -
论文阅读:Heavy Rain Image Restoration: Integrating Physics Model and Conditional Adversarial Learning
2019 CVPR本篇文章是2019CVPR的一篇文章,主要是提出了一个两个阶段的网络,基于物理的主干网络+深度指导的GAN细化网络。对于大雨中的场景,雨纹明显可见,密集的雨堆积或遮雨效果明显,图像被雨纹洗刷去,远处的场景相对更加模糊等。本文主要提出了一种方法来解决大雨问题。网络结构主要分为两个阶段:基于物理信息的主干网络和深度信息指导的GAN细化网络。1、第一阶段:根据基本的物理原理来...原创 2019-12-26 17:08:52 · 1614 阅读 · 0 评论 -
论文阅读:Dual-Domain Single Image De-Raining Using Conditional Generative Adversarial Network
2019ICIP:Dual-Domain ID-CGAN启发论文:Deep Joint rain and haze removal from a single imageCNN + 小波 + 暗通道分页符原创 2019-12-21 15:15:14 · 1590 阅读 · 0 评论 -
论文阅读:Image De-raining Using a Conditional Generative Adversarial Network
arXiv2017/2019 TCSVT: ID-CGAN本篇文章是2017年提出的一种基于cGAN网络的一种新的去雨网络。主要是试图使用具有强大的生成建模能力的条件GAN网络加上一个强制约束,即去雨图像必须与相应的背景图像不可区分。同时GAN网络的对抗损失提供了额外的正则化。同时,还提出了一种新的细化损失函数,旨在减少GAN网络引入的伪影。生成器子网络使用了密集连接网络,判别器则是利用全局和...原创 2019-12-19 22:47:02 · 3183 阅读 · 9 评论 -
论文阅读:Depth-attentional Features for Single-image Rain Removal
2019 CVPR:DAF-Net这是2019CVPR的一篇文章,主要创新点是引入了深度信息完成去雨。分页符原创 2019-12-12 22:29:10 · 2558 阅读 · 8 评论 -
论文阅读:Clearing the Skies: A Deep Network Architecture for Single-Image Rain Removal
2017 TIP :DerainNet这篇文章也是傅雪阳大佬发的,有点像他2017的另一篇CVPR:DDN文章第一个将深度卷积神经网络CNN用于单幅图像去雨,同时在细节层而不是在图像域训练网络。前人工作:诸如低秩模型、稀疏编码、字典学习、层先验方法、GMM等等,这里不再赘述。存在问题:之前的方法仅通过低层特性将雨纹从对象细节中分离出来。当物体的结构和方向与雨纹相似时,这些方法很难同...原创 2019-12-10 15:20:15 · 864 阅读 · 0 评论 -
论文阅读:Deep Joint Rain Detection and Removal from a Single Image
2017 CVPR:JORDERJORDER: JOint Rain DEtection and Removal文章主要提出了一种多任务的联合检测和去除的去雨网络。创新之处:1、对雨的建模进行改进,增添了一个二值映射,形成了一个区域依赖的雨模型用于提供雨纹位置。同时还对大雨情况下因为雨纹的累积以及不同形状和方向雨纹的重叠形...原创 2021-11-23 20:23:07 · 2526 阅读 · 1 评论 -
论文阅读:Removing rain from single images via a deep detail network
之前的概述所包含的文章内容主要包括了视频的去雨,以及基于传统方法(像核回归非局部均值滤波、低秩矩阵、基于Patch的建模、判别稀疏编码、GMM层先验等等)的单幅图像去雨。从这篇往后会认真看去雨的网络方法。1、2017CVPR : DDN这篇文章主要基于深度卷积神经网络以及ResNet,提出了一种深度细节网络用于减少从输入到输出的映射范围,使得学习过程更简单。同时使用先验图像域知识,在训练...原创 2019-12-09 15:32:39 · 1804 阅读 · 0 评论 -
去雨方向工作概述(三)
把传统方法去雨的稍微看一下摘要和方法,做了这三个概述。后面网络的方法仔细看1.Transformedlow-rank (2017 ICCV)Transformed Low-Rank Model for Line Pattern Noise Removal.基于变换低秩模型的线性噪声去除以往的方法大多数是对原始图像域中线性噪声进行建模,没有明确地挖掘方向特征,导致这些线性噪声子空间冗余,表达...原创 2019-12-04 21:21:18 · 975 阅读 · 0 评论