S3Net：用于深度引导图像重光的单流结构

Hao-Hsiang Yang、Wei-Ting Chen、Sy-Yen Kuo; IEEE/CVF计算机视觉和模式识别（CVPR）研讨会会议记录，2021年，第276-283页

摘要

深度引导的任意到任意图像重照明旨在从原始图像和相应的深度贴图生成重照明图像，以匹配给定引导图像及其深度贴图的照明设置。据我们所知，这项任务是一项新的挑战，在以前的文献中没有涉及。为了解决这个问题，我们提出了一种基于深度学习的神经单流结构网络，称为S3Net，用于深度引导图像重新照明。这个网络是一个编码器-解码器模型。我们将所有图像和相应的深度图连接起来作为输入，并将它们输入到模型中。解码器部分包含注意模块和增强模块，用于聚焦引导图像中的重新照明相关区域。在具有挑战性的基准上进行的实验表明，该模型在NTIRE 2021深度引导任意重光挑战中达到了第三高的SSIM。

相关材料

[pdf格式][arXiv公司]
[围巾]
@《诉讼汇编》{Yang_2021_CVPR，作者={Yang，Hao-Hsiang and Chen，Wei-Ting and Kuo，Sy-Yen}，title={S3Net:深度引导图像重光的单流结构}，booktitle={IEEE/CVF计算机视觉和模式识别（CVPR）研讨会会议记录}，月={6月}，年份={2021}，页数={276-283}}