ميزات الانتباه العميقة لإزالة الأمطار من صورة واحدة

الهطول المطري ظاهرة جوية شائعة، حيث تختلف رؤية الأشياء حسب عمقها عن الكاميرا، وتُحجب الأشياء البعيدة بصور أكثر من قبل الضباب مقارنة ببقايا المطر. ومع ذلك، تتجاهل الطرق والقواعد الحالية لإزالة المطر هذه الخصائص الفيزيائية، مما يحد من كفاءة إزالة المطر في الصور الحقيقية. في هذه الدراسة، نقوم أولاً بتحليل التأثيرات البصرية للمطر بحسب عمق المشهد، ونُصاغ نموذجًا تصويريًا للمطر يجمع بين بقايا المطر والضباب؛ ثم نُعد مجموعة بيانات جديدة تُسمى RainCityscapes، تحتوي على بقايا مطر وضباب في صور خارجية حقيقية. علاوة على ذلك، نصمم شبكة عصبية عميقة تعمل بأسلوب "نهاية إلى نهاية"، حيث نُدرّبها على تعلّم ميزات موجهة بالعمق من خلال آلية انتباه موجهة بالعمق، ونُقدّر خريطة باقية لإنتاج صورة خالية من المطر. أجرينا تجارب متعددة لمقارنة طريقتنا بصور بصرية وكمية مع عدة طرق حديثة متقدمة، مما يُظهر تفوقها على الطرق الأخرى.