专栏名称: 极市平台
极市平台是由深圳极视角推出的专业的视觉算法开发与分发平台,为视觉开发者提供多领域实景训练数据库等开发工具和规模化销售渠道。本公众号将会分享视觉相关的技术资讯,行业动态,在线分享信息,线下活动等。 网站: http://cvmart.net/
目录
相关文章推荐
AI范儿  ·  OpenAI 宣布即将发布GPT-5! ·  9 小时前  
AI范儿  ·  OpenAI 宣布即将发布GPT-5! ·  9 小时前  
笔吧评测室  ·  聊一台售后长达3年的一线笔记本 ·  2 天前  
宝鸡市场监管  ·  今天起,正式施行! ·  3 天前  
宝鸡市场监管  ·  今天起,正式施行! ·  3 天前  
Java知音  ·  SpringBoot 实现图片防盗链功能 ·  3 天前  
51好读  ›  专栏  ›  极市平台

极市直播预告|如何解决恶劣天气成像问题?雨天环境下的视觉增强系列工作探索(CVPR'24)

极市平台  · 公众号  ·  · 2024-07-08 22:00

正文

↑ 点击 蓝字 关注极市平台

|极市线上分享第133期 |

一直以来,为让大家更好地了解学界业界优秀的论文和工作,极市已邀请了超过 100 位技术大咖嘉宾,并完成了 132 期极市线上直播分享。

往期分享请前往 bbs.cvmart.net/topics/149 或直接 阅读原文 ,也欢迎各位小伙伴自荐或推荐更多优秀的技术嘉宾到极市进行技术分享,与大家一起交流学习~~

本次分享我们邀请到了 南京理工大学博士研究生陈翔 ,为大家详细 介绍他们在图像去雨方向上的探索工作:
图像视频作为计算机感知场景的关键,其质量在很大程度上决定了智能感知算法的鲁棒性。 然而复杂环境下图像视频获取的过程容易受恶劣天气环境的影响,导致所获取的图像视频质量低、内容看不清。 如何实现恶劣天气成像环境中的图像视频清晰化从而提升现有方法对图像视频内容理解的性能是解决恶劣环境下自适应感知的关键。 本次分享以雨天为例,对图像去雨进展进行总结,并分析当前研究趋势和对未来研究机遇进行展望。

Bidirectional Multi-Scale Implicit Neural Representations for Image Deraining (CVPR2024)

论文地址: https://arxiv.org/abs/2404.01547

代码地址: https://github.com/cschenxiang/NeRD-Rain

Learning A Sparse Transformer Network for Effective Image Deraining (CVPR2023)

论文地址: https://arxiv.org/abs/2303.11950

代码地址: https://github.com/cschenxiang/DRSformer

Towards Unified Deep Image Deraining: A Survey and A New Benchmark

论文地址: https://arxiv.org/abs/2310.03535

代码地址: http://www.deraining.tech/

Towards Ultra-High-Definition Image Deraining: A Benchmark and An Efficient Method

论文地址: https://arxiv.org/abs/2405.17074

代码地址: https://github.com/cschenxiang/UDR-Mixer

01

直播信息

时间

2024年7月10日(周三): 20:00-21:00


主题

天环境下的视觉增强:趋势与挑战
直播
B站也将同步进行
http://live.bilibili.com/3344545

02

嘉宾介绍

陈翔

南京理工大学博士研究生,指导老师为潘金山教授。 研究方向为恶劣环境下的视觉增强。 更多信息见个人主页: https://cschenxiang.github.io/



03







请到「今天看啥」查看全文