论文阅读：Fast Single Image Rain Removal via a Deep Decomposition-Composition Network

这是一篇基于分解-组成网络的去雨方法，是一篇SCI二区的文章CVIU吧，天津大学的李思源是作者。同样他还发了一篇2019年的CVPR，提出了一个benchmark。

2019 CVIU：DDC Net

本文所提出网络的主要思想是将雨图先分解成雨层和背景层，然后再进行合成作为分解的输入，提高分解网络分解的质量。

本篇文章主要是设计了一种新颖的端到端多任务学习结构，减少了输入到输出的映射范围，提高了性能。
首先是设计了一个分解网络，将雨图分解成干净的背景层和雨层，该模型除了包含一个表示所需的干净图像的成分，还包含一个表示雨层的额外成分。
在训练阶段，我们进一步采用合成结构将分离出来的干净图像和雨水信息重新生成输入，以提高分解质量。

主要创新之处：

1、设计提出了一种新的深度分解合成网络（DDC-Net)，可以在不同条件下有效地去除单幅图像中的雨纹等。
2、网络由分解网络和合成网络组成。分解网络用于将雨图分解成清晰的背景层和雨层，合成网络是将分解网络中分离出来的两层重新生成输入的雨图。进一步提升分解质量，同时还能保持模型体积小，性能良好。模型明确地考虑了雨层的恢复精度。
3、根据屏幕混合模式，不是简单的加和，合成了一个新的数据集包含10400个[雨水图像，干净的背景，雨水信息]。测试阶段只需要分解网络。

网络结构：

由网络结构，可以看出整体网络主要是基于一个编解码网络。
在分解网络部分，将含雨图像在编码器部分分解成清晰的背景和雨层，