CVPR 2019一篇做图像去雨的论文，关键点在于发现去雨任务和深度信息是有关系的，所以可以使用深度信息进行图像去雨，这里简要做一下了解。
这里去雨模型使用下面这个公式:
I(x)是没有雨的背景图，R(x)是雨层，A(x)是雾层，A0是大气光散射，其中R(x)和A(x)都和距离d(x)有关系，这就是可以借助距离进行去雨（包括R和A）的原因，详细推导参考论文，论文的网络结构图如下所示:
简而言之，就是上面的分支用来预测深度图，然后通过attention机制生成带有深度引导信息的attention权重，下面的分支本来是用来预测残差的，然后因为残差也就是雨雾和深度有关系，所以这里使用上面生成的权重进行引导，生成权重的网络模块见论文图。注意这里下面残差的结果分成n组，和上面的权重n组相对应，然后和各自对应的权重相乘，并做组卷积，这样做是为了使每组特征对应特定的雨。最后将组卷积的结果进行1x1通道变换，生成残差图。
总之这篇论文给我的感觉就是引入深度信息，用深度图对残差做refine，公式其实没啥卵用。。。。