论文阅读：Unsupervised Single Image Deraining with Self-supervised Constraints

Unsupervised Single Image Deraining with Self-supervised Constraints

写在最前面：主要是对阅读的文献记录一下
文献地址：https://arxiv.org/pdf/1811.08575.pdf

1.概述

本篇文章是2019 ICIP的一篇文章。
本文主要提出了一种无监督去雨生成对抗网络（UD-GAN）的方法来进行雨纹的去除，同时效果在PSNR和SSIM评价指标上都表明优于其他的一些处理方法，并且还进行了主观评价来证明主观上也优于其他方法。然后，UD-GAN方法主要是提出了两个相互协作的模块，也就是雨指导模块（RGM）以及背景指导模块（BGM），RGM用于区分真实的雨天图像和基于BGM生成器输出的假雨天图像，BGM利用了一个层次结构的高斯模糊梯度误差，以确保背景一致性之间的下雨输入和去雨输出。然后，将一种新型的亮度调整对抗损失集成到去噪图像鉴别器中。

背景

现有的大部分单幅图像的去雨方法都需要大量的合成的成对的训练数据来学习监督模型，同时现有的无监督的方法由于没有标签的约束导致去噪质量不太高。

左图为合成的成对的图片，右图为真实世界中不成对的图片。

创新

1、是第一个数据驱动的尝试用于不成对数据集的无监督学习实现去雨任务。
2、通过自监督方式学习原始数据的内在统计特性，为非监督训练提供了一个新的视角，为单幅图像去噪开辟了新的途径，使其更接近于实际应用。
3、对合成数据集和真实数据集的广泛性能评估验证了我们方法的有效性。特别是在真实下雨场景中主观效果的改善方面，UD-