基于多视角序列图像的高光去除CycleGAN网络

作     者：郭圣逸 李丽 沈彬 陈常念 胡新荣 GUO Shengyi;LI Li;SHEN Bin;CHEN Changnian;HU Xinrong

作者机构：纺织服装智能化湖北省工程研究中心湖北武汉430200 湖北省服装信息化工程技术研究中心湖北武汉430200 武汉纺织大学计算机与人工智能学院湖北武汉430200 

出 版 物：《郑州大学学报（理学版）》 (Journal of Zhengzhou University:Natural Science Edition)

年 卷 期：2023年第55卷第5期

页      面：11-16页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金青年项目(61901308) 

主　　题：高光去除 卷积神经网络 CycleGAN 无监督 可微分渲染 

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。