摘要
单图像反射分离（Single Image Reflection Separation, SIRS）作为典型的盲源分离任务，旨在从单一混合观测中恢复出两个图像层——透射层与反射层。由于该问题具有高度病态的特性，因此极具挑战性。现有的基于深度学习的解决方案通常采用独立恢复目标层的方法，或在输出端进行一些后处理，却很少考虑双分支（双流）之间的交互信息。为更高效地利用跨分支信息，本文提出一种通用且简洁的交互策略，命名为“你之垃圾，我之宝藏”（Your Trash is My Treasure, YTMT），用于构建双流分解网络。具体而言，我们显式地在块级别（block-wise）强制两个分支之间进行通信。受两个成分间加性关系的启发，交互路径可通过将ReLU激活函数“丢弃”的信息（即被抑制的特征）从一个分支传递至另一分支来实现，而非直接丢弃。通过在广泛使用的SIRS数据集上开展消融实验与大量对比实验，验证了YTMT策略的有效性，并证明其在性能上优于当前主流的先进方法。该方法实现简单，代码已公开，可访问：https://github.com/mingcv/YTMT-Strategy。