하늘을 맑게: 단일 이미지 비 제거를 위한 심층 네트워크 아키텍처

우리는 이미지에서 비 얼룩을 제거하기 위한 심층 네트워크 아키텍처인 DerainNet을 소개합니다. 깊은 합성곱 신경망(CNN)을 기반으로 하여, 우리는 데이터에서 비 오는 이미지와 깨끗한 이미지의 세부 레이어 간의 매핑 관계를 직접 학습합니다. 실제 비 오는 이미지에 해당하는 정답이 없기 때문에, 우리는 훈련을 위해 비가 있는 이미지를 합성합니다. 네트워크의 깊이 또는 폭을 증가시키는 다른 일반적인 전략과 달리, 우리는 이미지 처리 도메인 지식을 사용하여 목표 함수를 수정하고 적당한 크기의 CNN으로 비 제거 성능을 향상시킵니다. 특히, 우리는 이미지 도메인에서가 아니라 세부(고역 필터) 레이어에서 DerainNet을 훈련합니다. DerainNet은 합성 데이터로 훈련되지만, 우리는 학습된 네트워크가 테스트를 위한 실제 이미지에 매우 효과적으로 전이된다는 것을 발견했습니다. 또한, 우리는 이미지 향상을 위해 CNN 프레임워크를 확장하여 시각적 결과를 개선합니다. 최첨단 단일 이미지 비 제거 방법과 비교하여, 우리의 방법은 비 제거 성능이 향상되었고 네트워크 훈련 후 계산 시간이 훨씬 빨라졌습니다.