에지 분리를 통한 단일 이미지 기반 반사 성분 제거 = Single Image based Reflection Removal using Edge Separation

국문 초록 (Abstract)

본 논문에서는 단일 영상에서 반사 성분을 효과적으로 제거하기 위한 새로운 비지도 학습 기반 방법을 제시한다. 단일 영상의 에지 강도를 활용하여 에지를 강한 에지와 약한 에지로 분류하고, 이에 따라 저역 통과 필터와 고역 통과 필터를 적용하여 전처리된 영상을 생성한다. Double Deep Image Prior(Double DIP) 모델은 두 이미지의 강도 차이를 이용하여 투명층을 분리하는 프레임워크인데, 이를 단일 이미지로 진행하기 위해 영상의 강한 에지를 흐리게 하고 약한 에지를 강조한다. 이후, 개선된 투명층 분리 모듈인 Double DIP 프레임워크를 활용하여 입력 영상과 전처리된 영상을 투과층과 반사층으로 분리한다. 이 과정을 반복적으로 수행함으로써 반사 성분을 점진적으로 제거하고 반사 제거 성능을 향상시켰다. 실험 결과, 제안된 방법은 기존의 비지도 학습 기반 방법보다 우수한 반사 제거 성능을 보였으며, 레이블링된 데이터 없이도 효과적인 반사 제거가 가능함을 확인하였다.

다국어 초록 (Multilingual Abstract)

In this paper, a novel unsupervised learning-based method for effectively removing reflections from a single image is proposed. The method utilizes the edge intensity of a single image to classify the edges into strong and weak edges, applying a low-pass filter and a high-pass filter accordingly to generate a preprocessed image. The Double DIP model, a framework leveraging the intensity difference between two images, is employed to separate transparent layers, blur strong edges, and highlight weak edges to produce a single image. Subsequently, an improved transparent layer separation module, the Double DIP framework, separates the input and preprocessed images into transmissive and reflective layers. This iterative process gradually removes reflective components, enhancing the performance of reflection removal. Experimental results demonstrate that the proposed method outperforms existing unsupervised learning-based approaches for reflection removal and validates the feasibility of achieving effective reflection removal without labeled data.