通过尺度空间分解进行本征图像变换
计算机视觉与模式识别
2018-05-28 v1
摘要
我们引入了一种新的网络结构，用于将图像分解为其本征反照率和阴影。我们将其视为一个图像到图像的变换问题，并探索输入和输出的尺度空间。通过将输出图像（反照率和阴影）展开为其拉普拉斯金字塔分量，我们开发了一种多通道网络结构，该结构在连续频带内并行学习图像到图像的变换函数，每个通道内是一个带有跳跃连接的全卷积神经网络。这种网络结构具有通用性和可扩展性，并在本征图像分解问题上表现出优异的性能。我们在两个基准数据集上评估了该网络：MPI-Sintel 数据集和 MIT Intrinsic Images 数据集。定量和定性结果均表明，我们的模型相较于 SOTA 取得了明显的进步。
引用
@article{arxiv.1805.10253,
title = {Intrinsic Image Transformation via Scale Space Decomposition},
author = {Lechao Cheng and Chengyi Zhang and Zicheng Liao},
journal= {arXiv preprint arXiv:1805.10253},
year = {2018}
}
备注
10 pages