“Double-DIP”：基于耦合深度图像先验的无监督图像分解
计算机视觉与模式识别
2018-12-06 v2 机器学习
摘要
许多看似无关的计算机视觉任务都可视为将图像分解为若干图层这一特殊情形。例如，图像分割（分解为前景与背景层）；透明层分离（分解为反射与透射层）；图像去雾（分解为清晰图像与雾图）等。本文提出一种基于耦合“Deep-image-Prior”（DIP）网络的单图像无监督图层分解统一框架。Ulyanov 等人已表明，单个 DIP 生成器网络的结构足以捕捉单幅图像的低层统计特性。我们展示耦合多个此类 DIP 可为广泛应用下将图像分解为其基本组分提供强大工具。该能力源于如下事实：多层混合体的内部统计比其任一单独组分的统计更为复杂。我们展示了该方法在图像去雾、前景/背景分割、水印去除、图像与视频中的透明度分离等任务上的威力。这些能力均以完全无监督方式实现，除输入图像/视频本身外无需训练样本。
引用
@article{arxiv.1812.00467,
title = {"Double-DIP": Unsupervised Image Decomposition via Coupled Deep-Image-Priors},
author = {Yossi Gandelsman and Assaf Shocher and Michal Irani},
journal= {arXiv preprint arXiv:1812.00467},
year = {2018}
}
备注
Project page: http://www.wisdom.weizmann.ac.il/~vision/DoubleDIP/