Single Image Reflection Removal Using Advanced Meta-Learning

使用高级元学习消除单幅图像反射

• 批准号: 22K12093
• 负责人: 陸 慧敏
• 金额: $ 2.33万
• 依托单位: Kyushu Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12093/
• 关键词: 映り込み除去; 人工知能; メタ学習; 画像処理

近年,ガラス等の透明な媒体の背後で撮影した際に, 背後にある物体等が写真に映り込むことが度々発生する. この映り込みは, 画像を劣化させるだけではなく, 物体検出・セグメンテーション等のコンピュータビジョンタスクにも影響を与える. 画像中にある反射光を分離させることは, 人間にとってはあまり難しいことではないが, コンピュータビジョンにおいては, 大変困難な問題である.本研究では，メタ学習を用いた単一画像の映り込み除去（SIRR）を提案している．提案法は我々の過去の成果を発展させる新しいアプローチで，少量の学習データから映り込みを効率的に除去し，実環境に応用可能なSIRRを構築するには何を解決すべきかを明らかにするのが，本研究の学術的「問い」である．今年は本提案手法を比較するため，合成画像を作成し, 学習データの枚数を増やす. また, 深層学習モデルとしてDeepLabv3+を採用した反射光除去を提案した. 広範囲コンテキストな情報を効率的に得ることができ, 反射光の除去に有効した. 反射光除去で一般的に使用される評価方法であるPNSR, SSIMを用いて提案手法の精度を測定した.また，本研究では，様々な学習条件に基づいて実験を複数行った．変更させる学習条件は，学習データのみである．それ以外は変化させずに，Model-Agnostic Meta-Learning(MAML)を使用した提案手法とMAMLを使用していない従来手法との対照実験を行った．実験を通して，従来手法より良好な結果を示したため，一定の成果が得られたことが確認できた．メタ学習はクラス分類・回帰問題等で成果を残しているが，SIRR分野では未知の領域だった．しかし，実験結果より，MAMLを使用していない従来手法や他論文の手法より，本論文の提案手法が優れた結果を残した．故に，メタ学習がSIRRに有効なことが確認できた．

In recent years, behind the transparent media such as the photo, behind the object, etc. This is a reflection of the image degradation, the object detection, the object detection and the object detection. In the portrait, the reflected light is separated from the human body, and the human body is difficult to solve. In this study, we proposed a new method for the study of SIRR. The proposed method is a new development of our past achievements, and a small amount of learning data is reflected in the efficiency of the system. In the real environment, we can use SIRR to construct and solve the problem. This year's proposal is to compare the number of synthetic portraits DeepLabv3+ is a proposal for removing reflected light. In the case of a large number of cases, the number of cases in which the number of cases is large is small, and the number of cases in which the number of cases is small is small. Reflected light removal is generally used to evaluate the accuracy of PNSR, SSIM and proposed methods. This study was conducted on the basis of the study conditions. Change your learning conditions. Model-Agnostic Meta-Learning(MAML) is used to propose methods and MAML is used to implement methods. The result of the test was confirmed.メタ学习はクラス分类·回帰问题等で成果を残しているが，SIRR分野では未知の领域だった. MAML is used to optimize the results of this thesis. Therefore, the SIRR has been confirmed.

项目成果

Joint Semantic-Instance Segmentation Method for Intelligent Transportation System

• DOI: 10.1109/tits.2022.3190369
• 发表时间: 2023-12
• 期刊: IEEE Transactions on Intelligent Transportation Systems
• 影响因子: 8.5
• 作者: Yujie Li;Jin-Lin Cai;Quan Zhou;Huimin Lu