報酬ガイド付き自己強化戦略による非対（Unpaired）画像のデライニング

Abstract

教師なしによる脱雨は、対応する教師（ペア）なしで雨の実世界の分布を学習できるため注目を集めている。しかし、強力な制約が欠けているため、特に雨による劣化の複雑で多様な性質のもとでは、ネットワークが収束しづらい。重要な動機は、高品質な脱雨結果が学習中にたまに現れることであり、これを最適化プロセスの指針として活用できる点にある。これらの課題を克服するために、我々はRGSUD（Reward-Guided Self-Reinforcement Unsupervised Image Deraining：報酬誘導自己強化による教師なし画像脱雨）を導入する。これは2つの主要段階、すなわち報酬リサイクルと自己強化（SR）学習から構成される。前者の段階では、学習中に最適な脱雨出力を選択し、高品質な脱雨画像を継続的に収集する、画像品質評価（IQA）に基づく動的な報酬リサイクル機構を提案する。後者の段階では、これらの報酬をモデルの最適化プロセスに組み込み、最適化空間を制約することで、脱雨出力とクリーン画像との整合性を改善する。IQAベースの自己強化損失と、動的に更新される報酬を活用することで、合成された疑似ペアデータの品質を高め、最適化を安定化する。広範な実験により、本手法はペアの合成画像、ペアの実画像、未ペアの実画像を含む複数のデータセットにおいてSOTA（state-of-the-art）の性能を達成し、主観および客観のIQA指標の両方で既存の教師なし脱雨アプローチを上回ることを示す。さらに、自己強化戦略は他の教師なし脱雨手法にも適応可能であり、我々の脱雨フレームワークは既存の教師あり脱雨ネットワークに対して強い汎化性能を示す。