वीडियो डेरेनिंग के लिए उन्नत स्थानिक-कालिक इंटरैक्शन लर्निंग: तेज़ और बेहतर

वीडियो डेरेनिंग कंप्यूटर दृष्टि में एक महत्वपूर्ण कार्य है क्योंकि अवांछित वर्षा वीडियो की दृश्यता को बाधित करती है और अधिकांश आउटडोर दृष्टि प्रणालियों की मजबूती को नुकसान पहुँचाती है। हालाँकि हाल ही में वीडियो डेरेनिंग के लिए महत्वपूर्ण सफलता प्राप्त की गई है, दो प्रमुख चुनौतियाँ अभी भी बनी हुई हैं: 1) लगातार फ्रेमों के बीच विशाल जानकारी का कैसे उपयोग करें ताकि स्थानिक और कालिक क्षेत्रों में शक्तिशाली स्थानिक-कालिक विशेषताएँ निकाली जा सकें, और 2) उच्च गति के दृष्टिकोण के साथ उच्च गुणवत्ता वाले डेरेनिंग वीडियो कैसे पुनर्स्थापित करें। इस पेपर में, हम एक नया एंड-टू-एंड वीडियो डेरेनिंग ढाँचा प्रस्तुत करते हैं, जिसे Enhanced Spatio-Temporal Interaction Network (ESTINet) कहा जाता है, जो वर्तमान अत्याधुनिक वीडियो डेरेनिंग गुणवत्ता और गति को काफी बढ़ाता है। ESTINet गहरे अवशिष्ट नेटवर्क और संक्रामक लंबे छोटे समय की मेमोरी का लाभ उठाता है, जो लगातार फ्रेमों के बीच स्थानिक विशेषताओं और कालिक संबंधों को बहुत कम कंप्यूटेशनल संसाधन के खर्च पर पकड़ सकता है। तीन सार्वजनिक डेटासेट पर व्यापक प्रयोग दिखाते हैं कि प्रस्तावित ESTINet प्रतिस्पर्धियों की तुलना में तेज गति प्राप्त कर सकता है, जबकि अत्याधुनिक विधियों की तुलना में बेहतर प्रदर्शन बनाए रखता है। https://github.com/HDCVLab/Enhanced-Spatio-Temporal-Interaction-Learning-for-Video-Deraining .