MetaWeather: 基于降级模式匹配的少样本天气劣化图像恢复
原文约400字，阅读约需1分钟。发表于：。MetaWeather 是一种针对任意天气条件的少样本天气恢复方法，通过匹配新天气条件下输入图像和示例图像之间的特征，利用元学习构建元知识以提供灵活的适应性，并通过参数高效的微调方法来避免过拟合问题。在 BID Task II.A 数据集上的实验表明，与最先进的图像恢复方法相比，我们的方法在峰值信噪比和结构相似性方面取得了最佳性能。
领域适应旨在减少深度学习模型训练和部署之间的差距。研究者通过合成恶劣天气条件并应用于真实图像数据集，评估了三种领域适应模型。他们发现基于缓冲区的持续领域适应方法存在稳定性问题，并提出梯度归一化作为解决方案。
