DPAFNet:Dual Path Attention Fusion Network for Single Image Deraining

要約

雨天は画像システムの通常の動作に大きな影響を与えます。
この前提に基づいて、イメージ レインの除去は、低レベルの視覚タスク、特にディープ ニューラル ネットワークを使用した手法の中で常に人気のある分野です。
ただし、畳み込みニューラル ネットワークやトランスフォーマーのみを使用するなど、ほとんどのニューラル ネットワークは分岐型であり、画像特徴の多次元融合には不利です。
この問題を解決するために、本論文ではデュアルブランチアテンションフュージョンネットワークを提案する。
まず、2 分岐ネットワーク構造を提案します。
第二に、2 つの分岐によって抽出された特徴を単に追加するのではなく、選択的に融合するための注意融合モジュールが提案されています。
最後に、完全なアブレーション実験と十分な比較実験により、提案された方法の合理性と有効性が証明されます。

要約(オリジナル)

Rainy weather will have a significant impact on the regular operation of the imaging system. Based on this premise, image rain removal has always been a popular branch of low-level visual tasks, especially methods using deep neural networks. However, most neural networks are but-branched, such as only using convolutional neural networks or Transformers, which is unfavourable for the multidimensional fusion of image features. In order to solve this problem, this paper proposes a dual-branch attention fusion network. Firstly, a two-branch network structure is proposed. Secondly, an attention fusion module is proposed to selectively fuse the features extracted by the two branches rather than simply adding them. Finally, complete ablation experiments and sufficient comparison experiments prove the rationality and effectiveness of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google