基于多视角序列图像的高光去除CycleGAN网络

摘要：

光线照射镜面物体产生的镜面反射使得采集的图像产生高光现象,高光会影响很多视觉任务的精度.针对图片的去高光问题,在经典无监督学习 CycleGAN的框架下提出了一种端到端的分层网络,该模型的输入为已标定的序列高光图像,输出为去除高光的图像.为了获取成对数据集以训练网络,使用可微分渲染器生成视角、光照可控镜面反射-漫反射成对合成数据集.无监督 CycleGAN图像风格迁移网络作用于输入图像时,仅使用小批量的背景图片,即可将图像分解为前景与背景,图像风格迁移网络仅作用于前景,进一步提高了图像转换的精度.实验结果表明,该方法可有效去除高光.

关键词：高光去除、卷积神经网络、CycleGAN、无监督、可微分渲染

所属期刊栏目：55

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61901308

在线出版日期：2023-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：11-16