Self-supervised Texture Filtering

doi:10.1145/3744899

Self-supervised Texture Filtering

2025-08-07

0

PRE

AI

DOI：10.1145/3744899

原文求助

摘要

En 中文

将图像 I 分解为结构 S 和纹理 T 组件的组合是计算摄影和图像分析中的一个重要问题。传统解决方案基本上是基于非学习的，因为构建包含分解真实值的数据集或寻找有效的结构/纹理监督都比较困难。在本文中，我们提出了一种自监督框架，用于平滑纹理同时保持图像结构。我们方法的核心是一种纹理反转观测——如果结构 S 和纹理 T 得到良好的解耦，那么 S-T 将生成一个与输入图像 I=S+T 对称且视觉上高度相似的纹理反转图像；而对于其他结构与纹理未有效分离的情况，生成的纹理反转图像将与输入图像的相似度较低。基于这一观测，我们提出通过对比学习鼓励从无标签数据中学习纹理滤波，使滤波输出生成的纹理反转图像在视觉上更接近输入图像。实验表明，我们的方法能够稳健地产生高质量的纹理平滑结果，并支持多种应用。

Keyword:

image decomposition

structure-texture separation

self-supervised learning

texture inversion

contrastive learning

Self-supervised Texture Filtering

摘要

期刊

机构

引用论文