论文介绍
在地球观测应用中，云的检测和清除是至关重要的一步。此前的方法主要将云检测看做是逐像素的语义分割问题，这在处理半透明云的时候不可避免会遇到类别模糊的问题。
本文以不同的视角来考察该问题，即从物理模型出发，将其看做是前景背景分离的过程并在数字抠图的范式下加以解决。我们进一步提出了一个生成对抗框架，该框架无需像素级的标注也无需用户交互。该框架由三个子网络组成：一个云生成器G，一个云判别器D和一个云抠图网络F。G和D旨在通过对抗训练生成逼真且具有物理意义的云图像，F学习预测云的反射率和衰减率。在全球遥感影像数据集上的实验结果表明，我们的方法在训练过程中从未使用过任何像素级的标签，且与其他监督方法相比，具有可比甚至更高的精度。
论文地址
https://ieeexplore.ieee.org/document/9009465
