去霧演算法相關資料
阿新 • • 發佈：2018-12-31
| 去除雨滴，去霧，去除噪聲，去塵土和去模糊等都是這一類的，影象復原（低階影象處理/視覺任務）。 採用生成對抗網路和感知損失進行這類研究，也已經很多很多。 以下是一些工作，但是未必採用GAN去做。 1、Density-aware Single Image De-raining using a Multi-stream Dense Network CVPR2018 有感知/特徵損失，[paper]、[testing code] 密度感知多路密集網路DID-MDN，聯合完成雨點密度估計和雨點去除。 圖 1首先對輸入影象的雨點程度（嚴重、中等、輕微）進行分類/估計，然後利用多路密集網路和標註資訊對輸入影象進行去雨處理。 效果非常好，速度也是非常快，應該是目前最好的模型。演算法中的預訓練，然後聯合訓練，估計是很tricky的。 2、Attentive Generative Adversarial Network for Raindrop Removal from a Single Image CVPR2018 [paper] 圖 2該模型基於pix2pix，增加了attention-recurrent network，效果上比eigen2013的論文（第一個使用DL解決該問題的工作）好，也比pix2pix好。但是給論文沒有和其他演算法比。 3、Densely Connected Pyramid Dehazing Network CVPR2018 去霧，有感知損失，[paper]、[code] 圖 3使用黃色網路估計transmission，利用藍色網路估計atmospheric light，然後利用公司，計算得到去霧影象。論文中總損失有4個子損失，訓練非常tricky。。。 4、Deep Joint Rain Detection and Removal from a Single Image CVPR2017 [paper]、[code] 比1差。 5、Image De-raining Using a Conditional Generative Adversarial Network 2017 類似pix2pix，[paper]、[code] 1中作者的以前工作，類似pix2pix。 6、Clearing the Skies: A Deep Network Architecture for Single-Image Rain Removal TIP2017 [paper] 7、Removing rain from single images via a deep detail network CVPR2017 [paper] 8、Rain Streak Removal Using Layer Priors CVPR2016 [paper] Single Image Rain Streak Decomposition Using Layer Priors TIP2017 [paper] 9、Perceptual Adversarial Networks for Image-to-Image Transformation 2017 類似pix2pix，有感知損失，[paper] |