Una arquitectura profunda genérica para la eliminación de reflexiones en imágenes individuales y el suavizado de imágenes

Este documento propone una estructura de red neuronal profunda que aprovecha la información de bordes para abordar tareas representativas de visión de bajo nivel, como la separación de capas y el filtrado de imágenes. A diferencia de la mayoría de otras estrategias de aprendizaje profundo aplicadas en este contexto, nuestro enfoque aborda estos problemas desafiantes estimando bordes y reconstruyendo imágenes utilizando solo capas convolucionales en cascada dispuestas de tal manera que no se requieren componentes de procesamiento de imágenes específicos de aplicaciones o hechos a mano. Aplicamos la tubería transferible resultante a dos dominios problemáticos diferentes que son sensibles a los bordes, a saber, la eliminación de reflexiones en imágenes individuales y el suavizado de imágenes. Para el primero, utilizando una suposición de suavidad de reflexión leve y un nuevo método de generación de datos sintéticos que actúa como un tipo de supervisión débil, nuestra red es capaz de resolver casos de reflexión mucho más difíciles que no pueden ser manejados por métodos anteriores. Para el segundo, también superamos los resultados cuantitativos y cualitativos de última generación por amplios márgenes. En todos los casos, el marco propuesto es simple, rápido y fácil de transferir entre dominios dispares.