CVPR2021 图像去阴影/去反射论文推荐丨让AI帮你理解论文

很多图像在获取时，难以避免地会存在阴影图像中的阴影会导致一些图像信息丢失，影响图像效果，甚至使一些现代图像处理技术失败。例如阴影会严重影响图像分割的效果，因此图像阴影的去除是一个重要的课题。其次，来自玻璃的反射无处不在，但图像中并不希望出现这种情况，其会降低图像质量。去除反射有助于复原视觉内容，是计算机视觉的重要研究领域。令I ∈ R^ m × n × 3 是存在反射的输入图像，其可以通过传播图像T \bm TT与反射图像R \bm RR的和近似建模：I = T + R。反射去除的目标是给定的I \bm II复原传播图像T \bm TT，这是一个没有约束与先验的病态问题。由于问题的病态性，准备工作通常需要额外的图像与人工创造的先验。一些研究使用多图像或用户交互，然而多图像难以得到，而交互不方便且常发生错误。另一些研究使用单张图像，但其依赖于人工创造的先验，如鬼影与相对平滑，这并不能泛化到所有图像。

本文整理了CVPR 2021 图像去阴影/去反射5篇论文，AMiner已经通过AI技术对论文进行了精读，抽取了论文简介、重点内容、方法、结果等。通过精读论文，快速获取论文相关信息。

1.Unsupervised Degradation Representation Learning for Blind Super-Resolution

链接：https://www.aminer.cn/pub/6066f43191e011f2d6d47c2e/

 2.Flow-based Kernel Prior with Application to Blind Super-Resolution

链接：https://www.aminer.cn/pub/60644af091e011538305cf65/

3.ClassSR: A General Framework to Accelerate Super-Resolution Networks by Data Characteristic

链接：https://www.aminer.cn/pub/6047434c91e0116b67c79001/

链接：https://www.aminer.cn/pub/5fdb419c91e0118a02c4f6d9/

5.AdderSR: Towards Energy Efficient Image Super-Resolution

链接：https://www.aminer.cn/pub/5f68809991e011c23f13b62a/

AMiner,让AI帮你理解科学：https://www.aminer.cn/

阅读原文，直达会议页面!