大数跨境
0
0

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
2024-07-08
2
导读:周三晚八点,不见不散!
↑ 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

关于分享

➤分享大纲

1.研究背景介绍

2.图像去雨十年研究进展

3.研究趋势:迈向真实、迈向高清、迈向统一

4.研究机遇与挑战


04

参与方式

05

往期回顾

极市平台专注分享计算机视觉前沿资讯和技术干货,特邀请行业内专业牛人嘉宾为大家分享视觉领域内的干货及经验,目前已成功举办132 期线上分享。近期在线分享可点击以下合集查看:

- 极市直播合集


更多往期分享请浏览:极市计算机视觉技术分享集锦

http://bbs.cvmart.net/topics/149/cvshare),也可以点击阅读原文获取。

【声明】内容源于网络
0
0
极市平台
为计算机视觉开发者提供全流程算法开发训练平台,以及大咖技术分享、社区交流、竞赛实践等丰富的内容与服务。
内容 8155
粉丝 0
极市平台 为计算机视觉开发者提供全流程算法开发训练平台,以及大咖技术分享、社区交流、竞赛实践等丰富的内容与服务。
总阅读3.2k
粉丝0
内容8.2k