1、GridDehazeNet: Attention-Based Multi-Scale Network for Image Dehazing

以RDB（Residual Dense Block）为基本模块，整体采用网格结构，以Channel-Wise

Attention 进行特征融合。三个尺度上的feature maps数量分别为16.,2,64,RDB增长率为16。整体模型大小约为0.96M，SOTS中室内测试集PSNR 32.16dB。

The architecture of GridDehazeNet.

2、MSFNet: Multi-Stream Fusion Network With GeneralizedSmooth L1 Loss for Single Image Dehazing

以RDB（Residual Dense Block）为基本模块，整体采编解码结构，编码器采用与HRnet类似的带有注意力机制的网络结构，对三个尺度进行监督。三个尺度上的feature maps数量分别为16.,2,64,RDB增长率为16。整体模型大小约为1.02M，SOTS中室内测试集PSNR 34.74dB。

The architecture of MSFNet.

3、FFA-Net: Feature Fusion Attention Network for Single Image Dehazing

以“卷积+通道注意力+像素注意力”为基本模块，整体网络不含下采样，采用多个模块串联的结构。整体模型大小约为4.68M，SOTS中室内测试集PSNR 36.39dB。（该网络显存耗用极大）

The architecture of FFA-Net.

4、AECR-Net: Contrastive Learning for Compact Single Image Dehazing

以FFA-Net所提出的 FA为基本模块，结合Dynamic Feature Enhancement模块，整体采用类自编码结构，在监督时增加了对比损失。整体模型大小约为2.61M，SOTS中室内测试集PSNR 37.17dB。

The architecture of AECR-Net.

5、PCNet：Rain-Free and Residue Hand-in-Hand:A Progressive Coupled Network forReal-Time Image Deraining

以可分离卷积等为基本模块，整体采用其设计的渐进耦合结构，模型大小为0.655M，（fast版为0.217M），SOTS室内测试集PSNR为28.04dB（作者调整了数据集）。

The architecture of  PCNet.