إزالة نقاط المطر وخطوط المطر دفعة واحدة

تُعاني الخوارزميات الحالية لتنظيف الصور من الأمطار غالبًا من معالجة إزالة شرائط المطر أو قطرات المطر فقط، مما قد يؤدي إلى فشلها في التعامل مع المشاهد الواقعية الممطرة. علاوةً على ذلك، فإن نقص المجموعات الحقيقية للبيانات التي تضم أنواعًا مختلفة من الأمطار وحقائقها الحقيقية الخالية من المطر يعيق تطوير خوارزميات تنظيف الصور من المطر. في هذا البحث، نهدف إلى معالجة مشكلات تنظيف الصور من المطر في البيئات الواقعية من جهتين. أولاً، نقترح بنية شبكة متسلسلة مكملة، تُعرف بـ CCN، لإزالة شرائط المطر وقطرات المطر ضمن إطار موحد. بشكل خاص، تقوم شبكة CCN بإزالة القطرات ثم الشرائط، أو العكس، بطريقة مكملة، ثم تُدمج النتائج عبر وحدة دمج تعتمد على الانتباه. نظرًا للاختلافات الكبيرة في الشكل والهيكل بين شرائط المطر وقطرات المطر، من الصعب تصميم شبكة معقدة يدوياً لإزالة كليهما بكفاءة. لذلك، نستخدم بحث البنية العصبية (Neural Architecture Search) للعثور التلقائي على الهياكل المثلى ضمن نطاق البحث المحدد لتنظيف الصور من المطر. ثانيًا، نقدم مجموعة بيانات واقعية جديدة تُسمى RainDS، لتعزيز تطوير خوارزميات تنظيف الصور من المطر في السياقات العملية. تتألف RainDS من صور ممطرة بأنواع مختلفة وحقائقها الحقيقية الخالية من المطر، بما في ذلك صور بشرائط مطر فقط، وصور بقطرات مطر فقط، وصور بجميع أنواع المطر معًا. أظهرت النتائج التجريبية الواسعة على المعايير الحالية ومجموعة RainDS أن طريقةنا تتفوق على أحدث الطرق المطورة.