BriefGPT - AI 论文速递
·
使用参考引导的转换器改进图像去雨效果
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了CVPR 2023 UG$^{2}$+ Track 3 GT-Rain Challenge中的解决方案，使用两阶段框架和大规模真实雨数据集进行预训练和微调，最终在测试阶段获得了第一名的平均结构相似性(SSIM)和第二名的平均峰值信噪比(PSNR)。
🎯
关键要点
- 介绍了CVPR 2023 UG$^{2}$+ Track 3 GT-Rain Challenge中的解决方案。
- 提出了一种高效的两阶段框架。
- 利用低秩视频去雨方法生成伪GT。
- 使用大规模真实雨数据集进行预训练并在伪GT上进行微调。
- 采用全面的图像处理器模块。
- 整体框架设计精心，能够处理重雨和雾气序列。
- 在平均结构相似性(SSIM)上获得第一名。
- 在平均峰值信噪比(PSNR)上获得第二名。
➡️
