IEEE TPAMI | 无监督去雨：非对称对比学习与自相似性相遇

文章预览

点击下方 “ 计算机书童 ”卡片，每天获取顶刊论文解读 点击加入论 文投稿、写作、阅读分享交流群 完整版论文 中文解读PDF请加入知识星球获取 题目： Unsupervised Deraining: Where Asymmetric Contrastive Learning Meets Self-Similarity 无监督去雨：非对称对比学习与自相似性相遇 作者：Yi Chang, Yun Guo, Yuntong Ye, Changfeng Yu, Lin Zhu, Xile Zhao, Luxin Yan, Yonghong Tian 源码链接：  https://owuchangyuo.github.io 摘要 大多数现有的基于学习的去雨方法都是在合成的雨-清洁对上进行有监督训练的。合成雨与真实雨之间的领域差距使它们在复杂的真实雨场景中的泛化能力降低。此外，现有方法主要独立利用图像或雨层的属性，很少有方法考虑它们之间的相互排斥关系。为了解决这一困境，我们探索了每层内部的内在自相似性以及两层之间的相互排斥性，并提出了一种无监督的非局部对比学 ………………………………