无监督学习方法USI3D，用于从单一图像中进行固有图像分解

从单个图像进行固有图像分解的无监督学习 我们的论文被CVPR2020接受。 图片：我们的方法以无监督的方式学习内在图像分解，其中训练数据中没有地面真实反射率和阴影。 **图片：** *拟议的架构。* **图片：** *基于MPI Sintel基准的视觉结果。* 该存储库包含以下论文的官方PyTorch实现： 从单个图像进行固有图像分解的无监督学习刘云飞，于莉，邵少迪，陆峰 摘要：内在图像分解是计算机视觉中必不可少的任务，旨在推断场景的反射率和阴影。 由于它需要将一个图像分为两个部分，因此具有挑战性。 为了解决这个问题，常规方法引入了各种先验来约束解决方案，但是性能有限。 同时，通常通过有监督的学习方法来解决该问题，这实际上不是理想的解决方案，因为获得大规模真实自然场景的地面真相反射率和阴影具有挑战性，甚至是不可能的。 在本文中，我们提出了一种新颖的无监督内在图像分解框架，该框架