BriefGPT - AI 论文速递
·
利用联合雨滴和细节感知表示消除复杂降雨
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种多尺度Transformer模型，用于有效地探索雨纹的多尺度表示。该模型利用各种尺度上的特征来提高图像重建的质量，并通过内部尺度隐式神经表示来提高模型的鲁棒性。实验证明该方法在合成和实际世界数据集上表现优异。
🎯
关键要点
- 提出了一种端到端的多尺度Transformer模型
- 模型利用各种尺度上的潜在特征促进高质量图像重建
- 结合空间变化的雨纹的内部尺度隐式神经表示提高模型鲁棒性
- 通过粗到细和细到粗的信息传递实现双向反馈操作
- 实验证明NeRD-Rain在合成和实际世界数据集上表现优异
➡️
