用于单图像反射去除的迭代梯度编码网络与特征共现损失
图像与视频处理
2021-03-31 v1 计算机视觉与模式识别
摘要
去除在玻璃前拍摄的照片中不必要的反射，对提升视觉计算系统的效率具有重要意义。先前基于学习的方法在某些反射类型上产生了视觉上合理的结果，但未能泛化到其他反射类型。关于能够在大尺度反射类型上良好泛化的高效单图像反射去除方法，现有文献十分匮乏。在本研究中，我们提出了一种用于单图像反射去除的迭代梯度编码网络。接着，为了进一步监督网络学习透射层特征之间的相关性，我们提出了一种特征共现损失。在 SIR 公开基准数据集上的大量实验表明，我们的方法在所有成像设置（包括多样背景）下均能优于现有的 SOTA 方法去除反射。此外，随着反射强度增加，即便在其他 SOTA 方法失效的情况下，我们的方法仍能去除反射。
引用
@article{arxiv.2103.15903,
title = {Iterative Gradient Encoding Network with Feature Co-Occurrence Loss for Single Image Reflection Removal},
author = {Sutanu Bera and Prabir Kumar Biswas},
journal= {arXiv preprint arXiv:2103.15903},
year = {2021}
}
备注
Submitted to IEEE International Conference of Image Processing (ICIP)