重要更新(2020/07/18) 从7/7到7/25将无法访问原始网页。网页的临时链接和预先训练的权重如下: 带来不便敬请谅解。 [CVPR 2020]学习透视障碍物 我们提出了一种基于学习的方法,用于从移动照相机捕获的短序列图像中消除不必要的障碍物,例如窗户反射,栅栏遮挡或雨滴。我们的方法利用背景元素和障碍元素之间的运动差异来恢复这两层。具体来说,我们在估计两层的密集光流场与通过深度卷积神经网络从变形的图像重建每一层之间进行交替。基于学习的层重构使我们能够适应流量估计中的潜在错误以及诸如亮度一致性之类的易碎假设。我们表明,对合成生成的数据进行的训练可以很好地传输到真实图像。我们在众多具有挑战性的反射和栅栏去除场景下的结果证明了该方法的有效性。 纸 概述 这是笔者的使用TensorFlow多图像反射去除的参考实现中描述:“通过学习障碍,看”,,,,(国立台湾大学和Google&弗吉尼亚理