要約
単一画像からの雨筋除去は、画像中に非均一な雨密度が存在するため非常に困難な問題です。本研究では、DID-MDN（Density-aware Multi-Stream Densely Connected Convolutional Neural Network）と呼ばれる新しい密度認識型多ストリーム密結合巻積ニューラルネットワークアルゴリズムを提案します。この手法により、ネットワーク自体が自動的に雨密度情報を決定し、推定された雨密度ラベルに基づいて対応する雨筋を効率的に除去することが可能になります。異なるスケールや形状の雨筋をより正確に表現するために、多ストリーム密結合除雨ネットワークが提案され、異なるスケールからの特徴を効率的に活用します。さらに、新たなデータセットが作成され、これには雨密度ラベル付きの画像が含まれており、提案された密度認識型ネットワークの学習に使用されました。合成データセットおよび実際のデータセットを用いた広範な実験結果から、提案手法は最近の最先端手法よりも大幅な改善を達成していることが示されています。また、アブレーションスタディも行われ、提案手法における各モジュールによる改善が確認されています。コードは以下のURLで入手できます: https://github.com/hezhangsprinter