用于单图像反射去除与图像平滑的通用深度架构

本文提出了一种深度神经网络结构，利用边缘信息来解决诸如层分离和图像滤波等代表性的低级视觉任务。与在此背景下应用的大多数其他深度学习策略不同，我们的方法仅通过级联卷积层估计边缘并重建图像来解决这些具有挑战性的问题，这些卷积层的排列方式使得无需任何手工设计或特定于应用的图像处理组件。我们将由此产生的可迁移流水线应用于两个对边缘均敏感的不同问题领域，即单图像反射去除和图像平滑。对于前者，使用温和的反射平滑假设和一种新型合成数据生成方法（作为一种弱监督），我们的网络能够解决以前方法无法处理的更困难的反射情况。对于后者，我们也在定量和定性结果上大幅超越了 SOTA。在所有情况下，所提出的框架都很简单、快速，并且易于跨不同领域迁移。