《Single Image Reflection Removal Exploiting Misaligned Training Data and Network Enhancements》阅读笔记
一、论文
《Single Image Reflection Removal Exploiting Misaligned Training Data and Network Enhancements》
从通过玻璃窗捕获的单个图像中去除不希望的反射对于视觉计算系统具有实际重要性。 尽管最先进的方法在某些情况下可以获得不错的结果，但是在处理更一般的实际情况时，性能会大大下降。 这些失败源于单张图像反射去除的内在困难-问题的根本不适性，以及解决基于学习的神经网络管道中这种歧义所需的密集标记的训练数据不足。 在本文中，我们通过利用有针对性的网络增强功能和错位数据的新颖用法来解决这些问题。 对于前者，我们通过嵌入上下文编码模块来增强基线网络体系结构，这些模块能够利用高级上下文线索来减少包含强烈反射的区域内的不确定性。 对于后者，我们引入了对齐不变损失函数，该函数有助于利用容易收集的未对齐现实世界训练数据。 实验结果共同表明，我们的方法在对齐数据方面优于最新技术，并且在使用其他未对齐数据时可能会进行重大改进。
二、网络结构
我关注的四Pyramid Pooling和Residual Block这两个结构
三、代码
四、相关资料
Single Image Reflection Removal Exploiting Misaligned Training Data and Network Enhancements