深度学习——deep adversarial decomposition

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&