CVPR2020原论文:Deep Adversarial Decomposition: A Unified Framework for Separating Superimposed Images
开源代码(pytorch框架):https://github.com/He-jerry/PatchGAN
1.主要内容:
提出了基于GAN的一致性网络结构完成单幅重叠图像的分离。例如:去雨,去阴影,去反光…
由于分离单幅重叠图像是一个病态问题(具有无穷多种可能性解)。文章提出了一种分离标准(Separation-Critic)——即判别器网络鉴别分离结果的优劣,以进一步指导分离过程。
引入了交叉损失函数(crossroad l1)——即交叉计算输出图像和其标准参考图像(ground truth)的距离,进一步指导像素级监督学习过程。
如上图,将单张混合重叠图像分离成完整的两张图像。典型的应用有:去雨(分离背景+雨纹);去反光(分离背景+反光);去阴影(分离背景+阴影)。
2.主体网络架构:
主要组成部分:
生成器&