一个插即用模糊面具提取模块,用于单个图像脱轨.

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 人工智能的人工智能

背景情况:

• 单图像脱轨对于各种应用至关重要.
• 现有的方法往往难以处理复杂的降雨模式和保存图像细节.
• 深度学习模型中的注意力机制可能是复杂的设计.

研究的目的:

• 为单个图像脱轨提出一个插即用模糊面具提取模块.
• 开发一个深度学习架构,学习模糊的雨地图.
• 通过整合模糊面具模块来提高现有的脱轨网络的性能.

主要方法:

• 优化分组函数的凸形组合以获得模糊的面具图.
• 开发一个深度学习架构来学习模糊的雨地图,使用这些作为基础真理.
• 将训练有素的模糊面具模块集成到各种编码解码脱轨网络中.
• 提取基于背景和前景的像素级会员身份的模糊面具地面真相.

主要成果:

• 拟议的模糊面具模块在嵌入脱轨网络时显著提高了除雨性能.
• 集成带来了通过模糊雨罩地图的精细引导信息增强的融合.
• 该方法精心表达了像素之间的灰色和空间相似性,改善了细节的保存.
• 实验结果表明改善了雨去除效果和更清晰的背景细节.

结论:

• 插即用模糊面具提取模块提供了一种统一的方法来清除图像雨.
• 它提供了有价值的指导信息 (下雨/不下雨地区,退化程度),有利于雨水检测和清除.
• 该模块简化了注意力机制的设计,同时提高了性能.
• 模糊面具学习模型对于增强现有的雨水清除算法是非常有益的.