摘要
现有的去雨算法通常仅针对雨丝或雨滴的去除，难以有效应对真实场景中的复杂降雨情况。此外，缺乏包含多种类型降雨及其对应无雨真实图像的现实世界去雨数据集，也严重制约了去雨算法的发展。本文从两个方面致力于解决真实场景下的去雨问题。首先，我们提出一种互补级联网络架构（Complementary Cascaded Network, CCN），在统一框架内同时实现雨丝与雨滴的去除。具体而言，CCN采用互补式处理策略：先去除雨滴再去除雨丝，或反之，并通过基于注意力机制的融合模块对两种处理结果进行整合。由于雨丝与雨滴在形态和结构上存在显著差异，人工设计一种高效通用的网络结构极具挑战性，因此我们引入神经架构搜索（Neural Architecture Search, NAS），在预设的去雨搜索空间内自动优化并发现最优网络结构。其次，我们构建了一个新的真实世界降雨数据集——RainDS，以推动实际应用场景下去雨算法的发展。RainDS包含多种类型降雨的图像及其对应的无雨真实标注，涵盖仅含雨丝、仅含雨滴以及两者共存的场景。在现有基准数据集及RainDS上的大量实验结果表明，所提方法在去雨性能上显著优于当前最先进的技术。