本文介绍了多种图像去雨算法，包括基于Gabor滤波器的Gabformer、条件生成对抗网络ID-CGAN和高阶协同网络等。这些方法通过优化损失函数、自我监督学习和改进网络结构，显著提升了去雨效果和模型性能，在多个基准测试中表现优异。

本文介绍了一种基于对比学习的图像去雨方法，利用递归动态多尺度网络提升降雨去除效果。该方法在客观检测和语义分割上表现优异，结合多尺度Transformer和双向反馈操作，增强了模型的鲁棒性。实验结果表明，该方法在合成和实际数据集上均取得了先进的效果。

本文介绍了多种创新的图像去雨方法，包括多阶段卷积神经网络、注意力机制和对比学习等技术。这些方法在合成和实际图像中表现出色，显著提升了去雨效果和模型性能。

本研究提出了一种半自动的高质量图像去雨方法，并构建了大规模数据集以模拟雨条带效应。新型SPanet网络有效去除雨条带，性能优异，特别是在真实数据上表现突出。

本文综述了低能见度与降雨条件下的自动驾驶感知及图像去雨研究。主要工作包括：REDFormer融合相机与雷达提升低能见度3D检测；L²RIRNet、MvKSR、NightRain、PRRNet等处理低光降雨与视频去雨；DRET与SRKD结合动力学模拟和知识蒸馏增强雨天3D检测，在Waymo数据集上显著提升精度且不损失效率。

该文汇总了多项计算机视觉研究，包括：双特征增强网络提升零样本学习属性表示；双路径耦合去雨网络融合空间频率信息；FREE方法细化特征改进广义零样本学习；图像拼接定位网络结合多领域特征与注意力机制；PDFD网络用于草图图像检索；TSECS方法提升少样本无监督域自适应；MEF-SFI框架融合多曝光图像；RFE与SNC组件缓解3D增量学习遗忘；频空间补偿网络增强多域特征融合；SIFA框架协同适应图像与特征。

该文综述图像与视频去雨研究，涵盖大规模真实雨数据集LHP-Rain、SPANet、低秩张量恢复及Transformer去雨方法，评估各类算法在人类感知与机器任务中的表现及对抗攻击鲁棒性，指出单幅图像去雨基准数据集的差异与局限，并提出未来方向。

该文综述多种深度学习图像去雨方法：DAiAM采用双注意力网络分别处理雨滴与雨痕，D-DAiAM改进难处理区域；小波通道注意力融合网络结合小波变换去雨；DRANet用双分支残差注意力去噪；多子网络跨尺度融合方法用GRU融合特征；MH2F-Net通过多尺度分层融合捕捉雨滴特征；NASNet用神经元注意力分阶段处理多种雨模型；AFNet以多路径编码与注意力融合用于遥感图像；DerainNet用合成数据训练提升真实去雨；基于模型的深度网络自动提取雨核；数据驱动与模型结合方法融合CNN与注意力机制。