반복적인 압축 및 흥분 컨텍스트 집계 네트워크를 이용한 단일 이미지 비 제거

비 줄무늬는 시각성을 크게 저하시키므로, 이로 인해 많은 현재의 컴퓨터 비전 알고리즘이 제대로 작동하지 못합니다. 따라서 이미지에서 비를 제거하는 것이 필요합니다. 우리는 단일 이미지에서 비를 제거하기 위한 새로운 딥 네트워크 아키텍처를 제안하는데, 이는 딥 컨볼루셔널 및 순환 신경망을 기반으로 합니다. 문맥 정보가 비 제거에 매우 중요하기 때문에, 먼저 다ilated 컨볼루셔널 신경망을 채택하여 큰 수용 영역을 획득하였습니다. 비 제거 작업에 더 잘 맞추기 위해, 또한 네트워크를 수정하였습니다. 폭우에서는 비 줄무늬가 다양한 방향과 형태를 가지며, 이를 여러 개의 비 줄무늬 층의 축적으로 볼 수 있습니다. 우리는 squeeze-and-excitation 블록을 통합하여 강도와 투명도에 따라 다양한 비 줄무늬 층에 다른 알파값을 할당하였습니다(Alpha-values). 비 줄무늬 층이 서로 겹치기 때문에 한 단계에서 비를 완전히 제거하는 것은 쉽지 않습니다. 따라서 우리는 비 제거 과정을 여러 단계로 분해하였습니다. 순환 신경망은 이전 단계에서 유용한 정보를 보존하고 후속 단계에서 비 제거에 도움을 주기 위해 통합되었습니다. 우리는 합성 데이터셋과 실제 세계 데이터셋 모두에서 광범위한 실험을 수행하였으며, 제안된 방법은 모든 평가 지표 하에서 최신 접근법들을 능가하는 것으로 나타났습니다. 코드와 부록 자료는 프로젝트 웹페이지(https://xialipku.github.io/RESCAN)에서 확인할 수 있습니다.