高光檢測與去除

A Multi-Task Network for Joint Specular Highlight Detection and Removal

本文所提出網(wǎng)絡是針對自然圖像高光檢測與去除所設計，為了消除合成訓練樣本和真實測試圖像之間的域差距，首先引入一個包含約 16K 真實圖像的數(shù)據(jù)集，每張圖像都有相應的高光檢測和去除高光的ground truths 。作者利用所提供的數(shù)據(jù)集，開發(fā)一個多任務網(wǎng)絡，基于一個新的鏡面高光圖像形成模型，用于聯(lián)合高光檢測和去除。

在基準數(shù)據(jù)集和文中所引入新數(shù)據(jù)集上的實驗表明，該方法在高光檢測和去除方面都明顯優(yōu)于最先進的方法。

作者 | Gang Fu、Qing Zhang、Lei Zhu、Ping Li、Chunxia Xiao
單位 | 武漢大學；中山大學；劍橋大學；香港理工大學
論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Fu_A_Multi-Task_Network_for_Joint_Specular_Highlight_Detection_and_Removal_CVPR_2021_paper.pdf

HDR Deghosting去偽影

Labeled from Unlabeled: Exploiting Unlabeled Data for Few-shot Deep HDR Deghosting

作者稱這是首個探索用無標簽圖像進行 Deep HDR Deghosting 的零樣本和少樣本學習的工作。該方法從無標簽的動態(tài)數(shù)據(jù)中生成有標簽的動態(tài)訓練數(shù)據(jù)。在兩個公開的數(shù)據(jù)集上，該方法只用 5 個標記的動態(tài)樣本和未標記的樣本進行訓練，取得了與現(xiàn)有的在完整的數(shù)據(jù)集上以監(jiān)督方式訓練的方法相當?shù)慕Y(jié)果，甚至更好。

作者 | K Ram Prabhakar、Gowtham Senthil、Susmit Agrawal、R.Venkatesh Babu、Rama Krishna Sai S Gorthi
單位 | 印度科技學院；印度理工學院
論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Prabhakar_Labeled_From_Unlabeled_Exploiting_Unlabeled_Data_for_Few-Shot_Deep_HDR_CVPR_2021_paper.pdf

Removing Diffraction Image Artifacts in Under-Display Camera via Dynamic Skip Connection Network

文中提出 DynamIc Skip Connection Network（DISCNet），將圖像成像模型的領域知識納入網(wǎng)絡設計，用于恢復 UDC 圖像。通過對合成和真實的 UDC（顯示器下攝像頭） 數(shù)據(jù)進行廣泛的實驗，證明了該方法的有效性。

作者 | Ruicheng Feng, Chongyi Li, Huaijin Chen, Shuai Li, Chen Change Loy, Jinwei Gu
單位 | 南洋理工大學；Tetras.AI；上海人工智能實驗室
論文 | https://arxiv.org/abs/2104.09556
代碼 | https://github.com/jnjaby/DISCNet
主頁 | https://jnjaby.github.io/projects/UDC/

圖像隱寫

Large-capacity Image Steganography Based on Invertible Neural Networks

文中提出 Invertible Steganography Network（ISN），用于圖像隱寫，其中同一網(wǎng)絡的 forward 和 backward 傳播操作被利用來分別嵌入和提取隱藏的圖像。極大地提高了隱寫術的有效載荷容量，并且可以很容易地適用于隱藏多個具有高度不可知性的圖像。綜合實驗表明，隨著隱寫術有效載荷容量的顯著提高，ISN 方法在視覺上和量化上都達到了最先進的水平。

作者 | Shao-Ping Lu、Rong Wang、Tao Zhong、Paul L. Rosin
單位 | 南開大學；卡迪夫大學
論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Lu_Large-Capacity_Image_Steganography_Based_on_Invertible_Neural_Networks_CVPR_2021_paper.pdf

場景恢復

Rank-One Prior: Toward Real-Time Scene Recovery

場景恢復是一些實際應用的基本成像任務，如視頻監(jiān)控和自動駕駛車輛等。為了改善不同天氣/成像條件下的視覺質(zhì)量，作者提出一種實時光校正方法，以恢復沙塵暴、水下和霧霾情況下的降質(zhì)場景。

該工作的核心是，提出一個強度投影策略來估計光線傳輸，傳輸估計的復雜度為O(N)N是單幅圖像的大小，然后進行實時恢復場景。

在不同類型的天氣/成像條件下的綜合實驗表明，所提出方法在效率和魯棒性方面優(yōu)于幾種最先進的成像方法，具有競爭力。

作者 | Jun Liu, Ryan Wen Liu, Jianing Sun, Tieyong Zeng
單位 | 東北師范大學；武漢理工大學；香港中文大學
論文 | https://arxiv.org/abs/2103.17126

Shadow Removal去陰影

Auto-Exposure Fusion for Single-Image Shadow Removal

用于單幅圖像陰影去除的自動曝光融合

作者 | Lan Fu, Changqing Zhou, Qing Guo, Felix Juefei-Xu, Hongkai Yu, Wei Feng, Yang Liu, Song Wang
單位 | 南卡羅萊納大學；南洋理工大學；阿里；克里夫蘭州立大學；天津大學
論文 | https://arxiv.org/abs/2103.01255
代碼 | https://github.com/tsingqguo/exposure-fusion-shadow-removal

From Shadow Generation to Shadow Removal

文章提出 G2R-ShadowNet，利用陰影生成進行弱監(jiān)督的陰影去除，只使用一組陰影圖像及其相應的陰影掩碼進行訓練。G2R-ShadowNet 由三個子網(wǎng)絡組成，分別用于陰影生成、陰影去除和細化，并以端到端的方式被聯(lián)合訓練。具體來說，陰影生成子網(wǎng)將非陰影區(qū)域定型為陰影區(qū)域，導致訓練陰影消除子網(wǎng)的數(shù)據(jù)成對。

在 ISTD 數(shù)據(jù)集和 ideo Shadow Removal 數(shù)據(jù)集上的廣泛實驗表明，所提出的 G2R-ShadowNet 在與SOTA的競爭中取得了優(yōu)異的表現(xiàn)，并且超過了 Le 和 Samaras 的基于 patch 的陰影消除方法。

作者 | Zhihao Liu, Hui Yin, Xinyi Wu, Zhenyao Wu, Yang Mi, Song Wang
單位 | 北京交通大學；南卡羅萊納大學；中國農(nóng)業(yè)大學
論文 | https://arxiv.org/abs/2103.12997
代碼 | https://github.com/hhqweasd/G2R-ShadowNet

No Shadow Left Behind: Removing Objects and their Shadows using Approximate Lighting and Geometry

圖像編輯中去掉目標之后，連同陰影一同去除，且毫無違和感  .

作者 | Edward Zhang、Ricardo Martin-Brualla、Janne Kontkanen、 Brian Curless
單位 | 華盛頓大學；谷歌
論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Zhang_No_Shadow_Left_Behind_Removing_Objects_and_Their_Shadows_Using_CVPR_2021_paper.pdf

Reflection Removal去反射

Robust Reflection Removal with Reflection-free Flash-only Cues

僅使用閃爍線索進行魯棒的反射去除

作者 | Chenyang Lei, Qifeng Chen
單位 | 香港科技大學
論文 | https://arxiv.org/abs/2103.04273
代碼 | https://github.com/ChenyangLEI/flash-reflection-removal

Single Image Reflection Removal with Absorption Effect

具有吸收效應的單圖像反射去除。

作者 | Qian Zheng、Boxin Shi、Jinnan Chen、Xudong Jiang、Ling-Yu Duan、Alex C. Kot
單位 | 南洋理工大學；北大；鵬城實驗室
論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Zheng_Single_Image_Reflection_Removal_With_Absorption_Effect_CVPR_2021_paper.pdf
代碼 | https://github.com/q-zh/absorption

Panoramic Image Reflection Removal

全景圖像反射光去除。

作者 | Yuchen Hong、Qian Zheng、Lingran Zhao、Xudong Jiang、Alex C. Kot、Boxin Shi
單位 | 北大；南洋理工大學；鵬城實驗室
論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Hong_Panoramic_Image_Reflection_Removal_CVPR_2021_paper.pdf

如果覺得有用，就請分享到朋友圈吧！