论文阅读：Multi-Scale Progressive Fusion Network for Single Image Deraining-优快云博客

本文提出了一种名为MSPFN的多尺度渐进融合网络，用于图像去雨任务。该网络利用金字塔结构和信道注意力机制，从多尺度角度协同表示雨纹信息。通过递归计算和残差学习，网络能捕捉到雨纹的全局纹理信息，同时通过粗融合和细融合模块逐步融合特征。在损失函数上，采用了Charbonnier罚函数以避免过度平滑。此外，网络还在去雨任务的检测和分割评估中表现出色。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

坐得住凳子。

2020CVPR：MSPFN

这篇文章是2020CVPR的一篇文章，作者来自武汉大学。文章主要结合金字塔结构、信道注意力机制进而协同地表示出多尺度的雨纹信息，提出了一种MSPFN网络。

代码：戳我
在这里插入图片描述
本文主要提出了一种多尺度渐进融合网络(MSPFN)。
对于雨的成像原理，由于雨和相机之间的距离不同，导致图片中的雨水会呈现出不同的模糊度和分辨率，因此可以利用多分辨率和多尺度之间的互补信息来表示雨纹。本文主要提出了一个框架从输入图像尺度和层次深度特征的角度，探讨了雨纹的多尺度协同表示，进而完成去雨。
对于不同位置的相似雨纹，采用了递归计算来获取全局纹理，从而探索空间维度上的互补和冗余信息来表征目标雨纹。此外，还构建了多尺度的金字塔结构，并进一步引入了注意机制来指导不同尺度的相关信息的精细融合。
多尺度渐进融合策略提高协同表示并促进端到端训练。