论文介绍
将独立图像从混合图像中分离一直以来都是一个极具挑战性的问题。本文提出了一个统一框架来解决混合图像分离问题，名为“深度对抗分解”。该框架在对抗训练的范式下可以解决线性和非线性的解混问题。考虑到图像混合的模糊性，本文引入了“分离判别器”用于判断输出的图像是否很好地被分解出来。为了进一步改善分离效果，本文还引入了十字L1范数损失函数，它可以以交叉的方式计算无序的输出与参考图像之间的距离，以便在逐像素的监督下更好地训练神经网络。实验结果表明，本文提出的方法明显优于此前主流的图像解混框架。在没有明显调整的情况下，本文提出的方法在多个计算机视觉任务上都达到了最优的效果。
论文地址
https://ieeexplore.ieee.org/document/9157688
