首先，从论文创新方面来说，可以说是毫无创新。但是，其25FPS的速度对于图像去雨来说还是一个很好很实用的模型，而且性能还能够SOTA！
论文地址：https://arxiv.org/pdf/2006.00757.pdf
Abstract：
图像去雨是一项重要的图像处理任务，因为雨水条纹不仅会严重降低图像的视觉质量，而且还会严重影响高级视觉任务的性能。传统方法通过不同的递归神经网络逐步消除雨水条纹。但是，这些方法不能以有效的方式产生合理的无雨图像。在本文中，我们提出了一种称为RSEN的残差squeeze-and-excitation网络，与最新技术相比，该网络具有快速的图像去雨能力以及优异的去雨性能。具体地，RSEN采用轻量级的编码器-解码器体系结构来在一阶段过程中完成去雨。此外，编码器和解码器均采用新颖的残差squeeze-and-excitation块作为特征提取的核心，其中包含用于产生分层特征的残差块，其次是用于在通道上增强所得分层特征的squeeze-and-excitation块。实验结果表明，与现有方法相比，我们的方法不仅可以大大降低计算复杂度，而且可以显着提高去雨性能。
RSEN：
网络结构很简单，由Encoder-Bottleneck-Decoder3个部分组成，其中基本组成模块为RSEBlock，就是残差模块后面跟一个通道注意力机制。此外，使用全局与局部跳跃连接用于促进网络收敛。
Experiments：
1.去雨基准数据集（SOTA），速度很快（参数量很大）：
2.Ablation study：
3.Real-world dataset：
