基于目标一致性生成对抗网络的无监督阴影去除
计算机视觉与模式识别
2021-06-01 v2 图像与视频处理
摘要
无监督阴影去除旨在缺乏配对阴影与无阴影数据的情况下，学习一个非线性函数将原始图像从阴影域映射到无阴影域。本文中，我们开发了一种简单而高效的目标一致性生成对抗网络（TC-GAN），以无监督方式完成阴影去除任务。与基于循环一致性GAN的阴影去除方法中的双向映射相比，TC-GAN试图学习一种单向映射，将阴影图像转换为无阴影图像。借助所提出的目标一致性约束，阴影图像与输出无阴影图像之间的相关性被严格限制。大量对比实验结果表明，TC-GAN在FID指标上比最先进的无监督阴影去除方法高出14.9%，在KID指标上高出31.5%。值得注意的是，TC-GAN取得了与有监督阴影去除方法相当的性能。
引用
@article{arxiv.2010.01291,
title = {Unsupervised Shadow Removal Using Target Consistency Generative Adversarial Network},
author = {Chao Tan and Xin Feng},
journal= {arXiv preprint arXiv:2010.01291},
year = {2021}
}