BriefGPT - AI 论文速递
·
多重注意力网络TANet：用于全方位恶劣天气图像恢复
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种名为MDeRainNet的高效网络，用于去除光场图像中的雨线。该网络采用多尺度编码器-解码器架构，并通过ESAI模块建模空间和角度信息的全局相关性。半监督学习框架提升了泛化性能。实验结果显示，该方法在合成和真实光场图像上优于现有方法。
🎯
关键要点
- 提出了一种名为MDeRainNet的高效网络，用于去除光场图像中的雨线。
- 该网络采用多尺度编码器-解码器架构，直接在Macro-pixel图像上操作以提高雨线去除性能。
- 使用Extended Spatial-Angular Interaction (ESAI)模块建模空间和角度信息的全局相关性。
- 引入半监督学习框架以改善网络在现实场景中的泛化性能。
- 实验结果显示，该方法在合成和真实光场图像上优于现有方法。
🏷️
标签
➡️
