CVPR论文 | 基于尺度空间变换的本征图像分解

初商 2019-08-14

阿里机器智能

小叽导语:以CNN为代表的深度神经网络作为通用的函数映射关系拟合器在对图像数据的处理中展现了广泛的优越性。本工作针对图像到图像的转换问题,利用图像的尺度空间(scale space),设计了一个基于图像尺度空间分解的通用神经网络,刷新了图像分解问题在标准数据集上的测试性能,并可见用于深度重建和像素标记等常见视觉问题。


摘要

我们引入了一种新的网络结构,用于将图像分解为其本征的反射图像和光照图像。我们把它看作是一个图像到图像的转换问题,并且将输入和输出在尺度空间进行分解。通过将输出图像(反射图像和光照图像)扩展到它们的拉普拉斯金字塔的各个成分,我们开发了一种多通道网络结构,可以在每个通道内并行地学习到一个图像到图像转换函数,这个函数通过一个具有跳过连接的卷积神经网络来表示。该网络结构是通用的和可扩展的,并且已经在本征图像分解问题上表现出

登录 后评论
下一篇
云攻略小攻
2177人浏览
2019-10-21
相关推荐
CVPR 2018现场见闻
1224人浏览
2018-07-09 09:45:55
【傅里叶变换】
517人浏览
2015-04-22 21:15:48
傅立叶变换的物理意义
411人浏览
2010-12-12 20:30:00
特征工程(五): PCA 降维
904人浏览
2018-12-21 14:48:53
0
0
0
201