本文章是在 AI研习社 听华中科技大学 李超的报告的一些笔记
论文：Single Image Reflection Removal through Cascaded Refinement，CVPR 2020
代码：正在开源
1. 研究动机
图像去反光就是下面的模型，I 是 T 和 R 的一个线性组合，但实际情况肯定比这个复杂。
用深度学习解决图像去反光，主要存在下面两个问题：
- 问题一：真实的训练数据难以获取：真实的有玻璃反光的图像 I 和无玻璃反光的图像 T 难获取。
- 问题二：不同的成像条件：玻璃的厚度、天气条件、摄像头的光圈等，都可能会有影响。
对于问题一，按照下图方式，我们可以合成一些数据。比如对于那个塔的图像，做对称变换，然后模糊处理，做线性变换，可以得到 I
论文的动机来自于 hidden community detection，是其研究团队之前的一个工作。如下图左侧所示，四个社团之间联系很多，其中可能有些人有共同的爱好（踢足球），就隐性的构成一个社团。当你把主要社团内部的联系减弱，隐藏的社团就凸显出来了。如下图右侧所示，减弱主要社团成员间的联系，可以发现绿色部分也构成一个社团。
因此，再如下图所示，可以把真实图像 T 看作显著社团，反射图像 R 看作隐藏社团。先把 T 得到，然后削弱 T，得到 R。得到 R 以后呢，可以削弱 R ，得到 T，这样不停迭代，直到 T 和 R 都收敛。最后就可以得到比较好的结果。
2. 整体框架
我们如何实现这个不停迭代的过程呢？论文的思路就是下面这个图，有两个 Conv-Deconv 的子网络（也可理解为生成器）\(G_T\)和\(G_R\)，分别生成 \(\hat{T}\) 和 \(\hat{R}\) 。然后两者又合成，成生一个 \(\hat{I}\)，通过与输入的 \(I\) 进行对比（符号加了 hat 表示是生成的）。然后成生的\(\hat{T}\) 和 \(\hat{R}\) 又再次输入网络，再次生成新的\(\hat{T}\) 和 \(\hat{R}\)，再次生成 \(\hat{I}\)，与真实的\(I\)对比。不断重复这个过程，直到收敛。
作者也指出，论文里的框架图可能看起来不容易理解，下面这个图更加容易理解一些。这是上面图的展开图，各个迭代都展开了。随着输出越来越好，网络的输入也越来越好，这样就实现了 cascade refinement。
那么问题来了，\(T_0\) 和 \(R_0\) 实际操作的时候是如何初始化的呢？如下图所示，\(T_0\) 其实就是 \(I\)。\(R_0\) 是一个全0的图，实际操作中作者发现，初始化为 0.1 效果更好些。输入到网络里面，不停迭代，可以发现结果越来越好。
3. 损失函数设计
3.1 设计的第一个损失函数：residual reconstruction loss
作者假定 \(\hat{T}\)，\(\hat{R}\)及生成的\(\hat{I}\)之间有如下关系：
因此，\(\hat{I}\) 和原始的 \(I\) 应该非常相似，这样就有下面的损失函数：
3.2 设计的第二个损失函数：multi-scale perceptual loss
首先是 multi-scale loss，比如最后得到的是256x256的，那么我们取倒数第三层的输出是128x128，倒数第五层是 64x64 。这样我们就把真实图缩小，与它们比较。这个loss 是比较有效的，比较小的得到的是全局信息，比较大的得到的是细节信息。同时，作者没有直接把 feature map 进行比较，而是输入VGG网络进行处理。这种 perceptual loss 在多种低层视觉问题中表明效果更好。
具体来说，损失函数为：
4. 实验设计
这部分作者提到了 controlled experiments，就是证明网络的各个部分都是有效的。作者首先把生成 \(R\) 的网络去掉了。如下图所示，可以看到，效果受到较大影响。去掉迭代，效果影也比较大。从而证明了网络的有效性。
对于提出的 loss 的有效性，作者也进行了探讨。如下图所示，各种 loss 情况下的效果实验比较。
5. 总结与展望
作者总结，这个方法可以用于两个信号分离，比如 underwater enhancement, raindrop removal, dehazing, flare removal 等，大家都可以进行尝试。
对于尚待解决的问题来说，主要有两个，第一个是训练数据问题，有两个CVPR 2019 的工作与训练数据有关，分别是：improving synthetic method 和 going beyond pairs。
第二个问题是，如何设置更加细节的评价标准，更好的为下游任务服务。根据目标检测等任务中的性能表现，来评估去反光的效果。