EfficientDeRainy:一种高效的图像去雨雾算法

AAAI 2021

1. Motivation

1.之前的去雨方法很多都是基于去雨模式假设或者先验知识的，去雨网络需要大量的细调优化过程，非常耗时的同时无法覆盖真实降雨场景的各种情况。因此，本文将去雨问题看作是普通的图像增强问题，用逐像素预测滤波核的方法去做去雨，是一种无模式的去雨方法。

2.单一尺度的逐像素滤波核无法适应不同厚度、强度以及尺度的降雨条纹，因此本文提出Multi-dilated image filtering and fusion，即用不同膨胀率卷积来代表不同尺度的滤波核，以此来解决多尺度的问题。

3.现有图像去雨方法都是在合成数据集上训练，拿到现实场景中泛化性就很差，为了弥补这种差距。本文提出RainMix的数据增广方法，即将现实场景中的降雨条纹与合成图像进行mix。因此，本文方法在真实场景中表现也很优异

4.同时实现了高性能和高效去雨。本文方法EfDeRain的运行速度比最新方法RCDNet快88倍。

2. Method

图像去雨领域，数量大、质量高的成对数据集是非常少的，所以作者发明了RainMix增广算法，简单一句话介绍就是雨条图像各种变换后再加权的数据增广方法

3. Experiments

4. Conclusions