具有感知损失的单图像反射分离

论文:Single Image Reflection Separation with Perceptual Losses

这篇文章是从损失函数的角度入手的，网络结构上没有太多创新。他定义了三个损失函数，分别衡量的是特征损失Lfeat（还原后无反射图像的信息的特征准确度），Ladv,对抗损失，其实用的只是GAN的descirmator衡量图像真实性的值来做损失函数，Lexcl,衡量去反射的图像和反射图像的梯度差异

一个理想的模型必须能够理解图片中的内容，他们使用了vgg-19（已经在imageNet上训练好参数的）来提取图像中的一些重要特征

这个f是一个全部是卷积层构成的网络，这个网络拥有很大的感知野（513*513）第一层是一个1*1的网络，用于把VGG-19产生的通道全换到64个通道。后面八层的卷积网络是（3*3）的细节卷积层。最后一层使用线性转换将两张图片综合到rgb空间

简而言之，就是比较真实无反射图像和f输出的无反射图像在第l层上的数值差异，作为损失函数

 

就是再加入descirmator来引导真实图像的生成