深度多类对抗性高光去除
计算机视觉与模式识别
2019-04-05 v1
摘要
我们提出了一种新颖的学习方法，以全卷积神经网络（CNN）的形式，通过生成漫反射分量来自动且一致地从单幅图像中去除镜面高光。为训练生成网络，我们在 GAN 框架下对判别网络定义对抗损失，并将其与内容损失相结合。与现有 GAN 方法不同，我们将判别器实现为多类分类器而非二分类器，以寻找更具约束性的特征。这通过提供两个额外的梯度项来帮助网络精确定位漫反射流形。我们还渲染了一个合成数据集，旨在帮助网络良好泛化。我们表明，我们的模型在各种合成与真实图像上表现良好，并在一致性上优于当前最优（SOTA）方法。
引用
@article{arxiv.1904.02672,
title = {Deep Multi-class Adversarial Specularity Removal},
author = {John Lin and Mohamed El Amine Seddik and Mohamed Tamaazousti and Youssef Tamaazousti and Adrien Bartoli},
journal= {arXiv preprint arXiv:1904.02672},
year = {2019}
}