Open tkuri opened 4 years ago
雨の画像から雨を除去する。雨筋がはっきり見えるような大雨の場合は、雨筋の一部が空気上に蓄積して水蒸気になるベーリング効果が発生しコントラストが低下する。そこで雨筋と水蒸気を透過マップとして明示的にモデル化しNNで学習させ、高性能な雨除去が出来ることを示した。
従来手法では、雨筋と水蒸気を独立した項としてモデルを立てて求めていた。しかし雨筋と水蒸気はその発生過程から見ても密接に関連しており、それらを別々に除去するのは適切ではない。本手法では、雨筋の透過マップをもとに蒸気の透過マップを予測する。(正確には3つのNNを共同で学習させる)
雨筋は多種多様な形状や方向を持つ（大雨の時に顕著である）。雨筋を効果的に予測するために，ShuffleNetモジュールを用いたEnc-Dec CNNを提案している．Group Conv+Channel Shuffleにより，様々な雨筋に対するロバスト性が向上できる。ECCV2020。
https://arxiv.org/abs/2008.00823
論文概要
雨の画像から雨を除去する。雨筋がはっきり見えるような大雨の場合は、雨筋の一部が空気上に蓄積して水蒸気になるベーリング効果が発生しコントラストが低下する。そこで雨筋と水蒸気を透過マップとして明示的にモデル化しNNで学習させ、高性能な雨除去が出来ることを示した。
従来手法では、雨筋と水蒸気を独立した項としてモデルを立てて求めていた。しかし雨筋と水蒸気はその発生過程から見ても密接に関連しており、それらを別々に除去するのは適切ではない。本手法では、雨筋の透過マップをもとに蒸気の透過マップを予測する。(正確には3つのNNを共同で学習させる)
雨筋は多種多様な形状や方向を持つ（大雨の時に顕著である）。雨筋を効果的に予測するために，ShuffleNetモジュールを用いたEnc-Dec CNNを提案している．Group Conv+Channel Shuffleにより，様々な雨筋に対するロバスト性が向上できる。ECCV2020。