空を晴らす：単一画像の雨除去のための深層ネットワークアーキテクチャ

私たちは、画像から雨筋を除去するための深層ネットワークアーキテクチャであるDerainNetを紹介します。このネットワークは深層畳み込みニューラルネットワーク（CNN）に基づいており、データから直接雨が降っている画像とクリーンな画像の詳細層間のマッピング関係を学習します。実際の雨が降っている画像に対応する真値（ground truth）を持たないため、訓練用に雨が合成された画像を作成しました。他の一般的な戦略とは異なり、ネットワークの深さや幅を増やす代わりに、画像処理分野の知識を使用して目的関数を修正し、中規模のCNNでより効果的な雨除去を行います。具体的には、詳細（高周波）層で而不是在图像域中训练我们的DerainNet。尽管DerainNet是在合成数据上进行训练的，但我们发现学习到的网络在测试实际图像时非常有效。此外，我们通过图像增强来改进CNN框架，以提高视觉效果。与最先进的单张图像去雨方法相比，我们的方法在雨去除效果上有所提升，并且在网络训练后的计算时间显著缩短。修正后的翻译：特に、詳細（高周波）層ではなく画像領域で私たちのDerainNetを訓練します。合成データ上で訓練されたDerainNetですが、実際の画像テストにおいて非常に効果的に機能することが確認されました。さらに、視覚的な結果を向上させるために、CNNフレームワークに画像強調技術を取り入れました。既存の最先端単一画像去雨手法と比較して、当社の手法では雨除去性能が向上し、ネットワーク訓練後の計算時間も大幅に短縮されています。