Image Deraining via Self-supervised Reinforcement Learning

这篇文章讨论了天气对户外图像质量的影响，其中雨水是影响观察者和计算机视觉应用的视野的因素之一。该研究旨在通过自监督强化学习（RL）图像去雨（SRL-Derain）来消除雨水痕迹并恢复雨中图像。作者们通过字典学习找到输入雨水图像中的雨水痕迹像素，并使用像素级RL代理来进行多次修补操作以逐步去除雨水。据我们所知，这项工作是首次将自监督RL应用于图像去雨。在几个基准去雨数据集上的实验结果表明，所提出的SRL-Derain方法表现优于最先进的少样本和自监督去雨和去噪方法。

本论文旨在通过自监督强化学习（RL）去除雨水图像中的雨痕，以提高室外图像的质量。

通过字典学习定位雨痕像素，并使用像素级RL代理逐步进行修复，从而实现去除雨痕。这是第一次将自监督RL应用于图像去雨。

论文在多个基准图像去雨数据集上进行了实验，表明所提出的SRL-Derain方法在少样本和自监督去雨和去噪方法方面表现优异。值得关注的是，该方法是自监督RL应用于图像去雨的首次尝试。

最近的相关研究包括：1.基于深度学习的图像去雨方法；2.使用生成对抗网络（GAN）进行图像去雨；3.基于物理模型的图像去雨方法。