ICCV2021:Structure-Preserving Deraining with Residue Channel Prior Guidance
摘要
论文
代码
这个题目有点像CVPR2020的论文名称:《Structure-Preserving Super Resolution With Gradient Guidance》
要解决的问题是:虽然现有的CNN-based方法可以去除部分雨纹,但它们很难适应真实场景,并恢复出清晰准确的结构、高质量的无雨图像。本文为了解决这一问题,提出了一个Structure- Preserving Deraining Network (SPDNet) with RCP guidance。SPDNet在RCP的指导下直接生成结构清晰准确的高质量无雨图像,不依赖任何雨合成假设。
具体而言,我们发现,图像的RCP比雨图像包含更准确的结构信息。因此,我们将其引入到我们的去雨网络中,以保护无雨图像的结构信息。同时,提出了一种基于小波的多级模块(WMLM)作为雨天图像背景信息学习的主干网络,并设计了一种交互式融合模块(IFM)以充分利用RCP信息。此外,还提出了一种迭代指导策略,以逐步提高RCP的精度,在渐进路径中细化结果。实验结果在真实场景和合成数据集上都达到了SOTA。
方法
网络结构
SPDNet使用基于小波的特征提取主干作为主要结构,并引入了残差通道先验(RCP)指导机制来保持结构。在SPDNet中,基于小波的特征提取主干用于背景信息的学习,它由一系列基于小波的多级模块(WMLM)组成。然而,仅使用基于小波的特征提取主干很难保持重建图像的清晰结构。因此,在模型中引入RCP以提供额外的辅助信息,从而保留重建图像的结构信息。
Wavelet-based Feature Extraction Backbone
由于雨线的大小和密度是任意的,因此雨线图像中物体的遮挡区域和遮挡程度是未知的。multi-level strategy 可以很好地学习不同尺度的特征。直接采用下采样会造成信息损失,因此采用小波变换,而且小波变换可以捕捉频域和位置信息,有助于结果重建。具体结构图里画的很清楚。细节:
- SE-ResBlock就是做超分的RCAN里面的RCAB,SRiR就是RCAN里面的Residual Group
- 因为小波变换后的通道数发生变化,后面要+的时候用卷积进行通道变换。
RCP Guided Structure-Preserving Deraining
Figure2是文中提到的Residue Channel Prior的可视化,可以看到,雨图的RCP展现的却是背景信息,妙!这个有助于结果的重建。这个RCP计算起来呢也非常简单:which is the residual result of the maximum channel value and minimum channel value of the rainy image.也就是雨图(注意是雨图而不是特征图)的通道值得极差。
上图是原文里面关于RCP的理论依据来源。雨图的RCP计算出来以后,经过卷积变换,交给IFM模块。这个模块融合两部分的信息。
Interactive Fusion Module
结构如图5所示。文中所讲上下特征经过conv_3*3变换以后相乘,得到一个similarity map ,这里的相乘是element-wise的,然后经过sigmoid激活后再分别和自身特征相乘与相加。(作者可以把符号这些东西也标到图中,会更明了一些)
Iterative Guidance Strategy
从网络结构可以看到,中途会产生过程图像,继而产生新的RCP,如此的迭代指导有助于结果的重建。此外还发现,在每次计算RCP的时候会将之前阶段的特征也cat起来,也就是图中的skip-connection,在文中被称为ensemble learning,在消融实验中做了和其他方法的对比。Figure 6展示的是RCP随着图像质量的提升,也逐渐清晰。
loss
L2,多阶段都使用。
实验
和SOTA对比
在合成的以及真实数据集上效果都很好。速度也还不错。
Ablation Study
Table 3和4展示的是IFM结构设计和ensemble 以及小波变换模块个数的实验。
Table 5展示的是RCP指导的影响。Figure10是可视化的结果。
同时,文章还做了在目标检测上的实验。
ICCV2021:Structure-Preserving Deraining with Residue Channel Prior Guidance相关推荐
- 【2021】Structure-Preserving Deraining with Residue Channel Prior Guidance
Abstract 很多方法难以用于真实场景,难以恢复高清结构准确的高质量无雨图 图像的RCP比有雨图像包含更准确的结构信息,故将其引入来保护无雨图像的结构信息 Wavelet-based Multi- ...
- 每日一佳——Structure Preserving Embedding(Blake Shaw et al. ,ICML,2009)
PDF 题目意思:结构保存嵌入,也就是"保存结构信息的图嵌入算法",等等,什么是图嵌入?1.A graph embedding is a particular drawing of ...
- 【深度学习】何恺明经典之作—2009 CVPR Best Paper | Dark Channel Prior
本文介绍一下中国大陆第一篇计算机视觉顶会的best paper,也是何恺明第一次在计算机视觉领域大放异彩的一篇经典之作-Dark Channel Prior.另外本文在Dark Channel Pri ...
- 《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果及其他。...
在图像去雾这个领域,几乎没有人不知道<Single Image Haze Removal Using Dark Channel Prior>这篇文章,该文是2009年CVPR最佳论文.作者 ...
- Single Image Haze Removal Using Dark Channel Prior 基于暗原色先验的单一图像去雾方法【翻译】
Single Image Haze Removal Using Dark Channel Prior Kaiming He, Jian Sun, Xiaoou Tang The Chinese Uni ...
- Single Image Haze Removal Using Dark Channel Prior
单幅图像基于暗通道先验的去雾 Single Image Haze Removal Using Dark Channel Prior Kaiming He, Jian Sun, and Xiaoou T ...
- 《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果(速度可实时)...
最新的效果见 :http://video.sina.com.cn/v/b/124538950-1254492273.html 可处理视频的示例:视频去雾效果 在图像去雾这个领域,几乎没有人不知道< ...
- Contrast in Haze Removal: Configurable Contrast Enhancement Model Based on Dark Channel Prior
吐槽吐槽!!!有史以来读的最费劲的一篇文章,各种长句!各种句式!各种缩写!各种实验中夹杂公式!!!各种各种!!!可是是IEEE的文章呢,读了那么多英文文章的如今读到我开始怀疑我的英文水平了,怀疑人生了 ...
- 《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果及其他。 ...
在图像去雾这个领域,几乎没有人不知道<Single Image Haze Removal Using Dark Channel Prior>这篇文章,该文是2009年CVPR最佳论文.作者 ...
最新文章
- java使用ZipOutputStream对文件进行压缩
- python中有关数据持久存储:pickle模块的基本使用
- zookeeper集群部署(分布式)
- Spark机器学习库MLib分类和回归文档V1.4.1(翻译)
- 在nodejs项目装一个库的多个版本
- 新西兰储备银行数据遭泄露
- 企业固定资产管理存在的问题及改进建议
- PSCAD建立高压直流输电线路雷击模型--相关建模问题
- 根据微信返回的头像url选择所需尺寸图片
- 餐饮业的前景与发展趋势
- 国庆在家没事干?教大家用Python做一个任何视频都能看的软件, 当然,只能看正经的
- msbuild 语法_MSBuild - Visual Studio | Microsoft Docs
- [爆笑网文]如果男生女生一起过夜
- 跑跑卡丁车超级加速外挂能用的下载
- 自动驾驶控制算法——车辆运动学模型
- SetConsoleCursorPosition(GetStdHandle(STD_OUTPUT_HANDLE), coord)
- 数据与分析发展趋势怎么样?值得入行么
- u盘深度linux安装教程,U盘安装
- unity探索者之Shader Graph所有节点详解-Procedural篇
- 教程 | 各省电力缺口有多大,看看这张电力大数据地图