[轉摘]圖像復原(圖片去噪與去模糊)-低級圖像處理/視覺任務
[轉摘自知乎]鏈接：https://www.zhihu.com/question/272305330/answer/366831382
去除雨滴，去霧，去除噪聲，去塵土和去模糊等都是這一類的，圖像復原（低級圖像處理/視覺任務）。
采用生成對抗網絡和感知損失進行這類研究，也已經很多很多。
以下是一些工作，但是未必采用GAN去做。
1、Density-aware Single Image De-raining using a Multi-stream Dense Network CVPR2018
有感知/特征損失，[paper]、[testing code]
密度感知多路密集網絡DID-MDN，聯合完成雨點密度估計和雨點去除。
圖一
效果非常好，速度也是非常快，應該是目前最好的模型。算法中的預訓練，然後聯合訓練，估計是很tricky的。
2、Attentive Generative Adversarial Network for Raindrop Removal from a Single Image CVPR2018
[paper]
圖 2
該模型基於pix2pix，增加了attention-recurrent network，效果上比eigen2013的論文（第一個使用DL解決該問題的工作）好，也比pix2pix好。
但是給論文沒有和其他算法比。
3、Densely Connected Pyramid Dehazing Network CVPR2018
去霧，有感知損失，[paper]、[code]
圖 3
使用黃色網絡估計transmission，利用藍色網絡估計atmospheric light，然後利用公司，計算得到去霧圖像。
論文中總損失有4個子損失，訓練非常tricky。。。
4、Deep Joint Rain Detection and Removal from a Single Image CVPR2017
[paper]、[code]
比1差。
5、Image De-raining Using a Conditional Generative Adversarial Network 2017
類似pix2pix，[paper]、[code]
1中作者的以前工作，類似pix2pix。
6、Clearing the Skies: A Deep Network Architecture for Single-Image Rain Removal TIP2017
[paper]
7、Removing rain from single images via a deep detail network CVPR2017
[paper]
8、Rain Streak Removal Using Layer Priors CVPR2016
[paper]
Single Image Rain Streak Decomposition Using Layer Priors TIP2017
[paper]
9、Perceptual Adversarial Networks for Image-to-Image Transformation 2017
類似pix2pix，有感知損失，[paper]
[轉摘]圖像復原(圖片去噪與去模糊)-低級圖像處理/視覺任務