通过级联精炼实现单图像反射去除
计算机视觉与模式识别
2020-04-07 v2
摘要
我们解决从透过玻璃表面拍摄的单幅图像中去除不期望反射的问题，这是一个不适定、具有挑战性但在照片增强中实际重要的问题。受社交网络中用于隐藏社区检测的迭代结构约简启发，我们提出一种迭代增强卷积 LSTM 网络（IBCLN），可实现用于反射去除的级联预测。IBCLN 是一个级联网络，以透射层和反射层相互增强预测质量的方式迭代精炼其估计，且级联各步骤之间的信息通过 LSTM 传递。其直觉在于透射是强主导结构，而反射是弱隐藏结构。它们在单幅图像中互为补充，因此对原图一侧更好的估计与约简会带来另一侧更精确的估计。为便于多级联步骤的训练，我们采用 LSTM 解决梯度消失问题，并提出残差重建损失作为进一步训练指导。此外，我们创建了带有反射和透射层真值的真实世界图像数据集，以缓解数据不足的问题。综合实验表明，与最先进的反射去除方法相比，所提方法能有效去除真实与合成图像中的反射。
引用
@article{arxiv.1911.06634,
title = {Single Image Reflection Removal through Cascaded Refinement},
author = {Chao Li and Yixiao Yang and Kun He and Stephen Lin and John E. Hopcroft},
journal= {arXiv preprint arXiv:1911.06634},
year = {2020}
}
备注
10 pages, 8 figures